可解释性人工智能科普
PART.01概述1、可解释性人工智能(XAI)定义随着机器学习和人工智能技术在各个领域中的迅速发展和应用,向用户解释算法输出的结果变得至关重要。人工智能的可解释性是指人能够理解人工智能模型在其决策过
2022-12-21 资讯 我要分享DeepMind 发布全新模型设计工具 Tracr:从可解释逻辑反向搭建模型
原文标题:《像Transformer一样思考!DeepMind发布全新模型设计工具Tracr:从可解释逻辑反向搭建模型》代码直接编译成Transformer模型,做实验从未如此轻松!「可解释性」一直是
2023-02-12 资讯 我要分享可解释型AI打开黑盒子
深度学习方面的最大挑战之一是,向客户和监管机构解释模型是如何得到答案的。在许多情况下,即使我们对答案本身很有把握,还是根本不知道模型是如何得到答案...
前沿|XNN:打开了自己黑箱的神经网络
选自Medium 作者:Shagun Maheshwari 机器之心编译 参与:陈韵竹、路 本文介绍了一种旨在“打开”并解释神经网络的新模型 XNN(可解释神经网络)。该网络包...
Google在AI平台推出模型解释功能,说明资料特征与预测结果的关系
Google释出的Explainable AI,以解释资料和学习模型间的关系,提升模型预测结果的可解释性。
深度:我们真的永远也理解不了人工智能吗?
在神经网络中,数据从一层传递到另一层,每一步都经历一些简单的转变。在输入层和输出层之间还隐藏着若干层,以及众多节点组和连接。其中往往找不出可被人类...
微软释出机器学习框架ML.NET 0.8,以PFI技术增加模型可解释性
PFI透过置换模型的特定特征值为随机值,以评估该特征对模型的影响,且PFI方法与模型本身无关,可用于评估各种模型。






