Studien & Bücher

TDWI E-Book: Explainable Artificial Intelligence

Bereich: eBooks

Das hier vorliegende E-Book greift das Thema der Explainable AI auf. Artificial-Intelligence-(AI)Systeme verfügen über Entscheidungsunterstützungsmechanismen, die auf einer umfangreichen Datenmenge basieren und effizient komplexe Modelle verarbeiten. Viele dieser Modelle können jedoch aufgrund ihrer internen Kodierung oder ihrer Komplexität als Black Boxes bezeichnet werden, die für Menschen nicht zugänglich sind. Explainable AI (XAI) betrachtet nun Methoden zur Analyse oder Ergänzung von AI-Modellen, um die interne Logik und Ausgabe von Algorithmen transparent und interpretierbar und damit diese Prozesse menschlich verständlich und sinnvoll zu machen. Insbesondere ist die Erklärungstechnik eng mit den Daten verknüpft, die das jeweilige AI-Modell verarbeitet. Beispielsweise lassen sich in Maschinellen Lernsystemen, die auf Tabellendaten trainiert sind, mittels Erklärungsverfahren die wichtigsten Merkmale hervorheben, also die gewählten Attribute der zugrunde liegenden Ausgangstabelle, die zu einer bestimmten Entscheidung oder Vorhersage beigetragen haben. Genauso lassen sich Erklärungen als Regelwerk in Form von „Wenn-Dann-Sonst“-Anweisungen präsentieren. Datensätze mit Bildern, Ausnahmekarten und exemplarischen Methoden können Anwender zusätzlich dabei unterstützen, die Entscheidungen der erzeugten komplexen Modelle zu verstehen. Sie sehen also, dass es bei diesem Thema unterschiedliche Herangehensweisen gibt, und wir freuen uns darüber, Ihnen mit diesem E-Book den aktuellen Diskussionsstand präsentieren und näherbringen zu können.

Inhalt:

• Einleitung
• Artificial Intelligence, angetrieben durch Maschinelles Lernen
• Umsetzung des Explainable im Rahmen der Artificial Intelligence
• Case Study – Wie Unternehmen Explainable AI nutzen
• Fazit

Bitte registrieren zum Login

Zurück