توضیحات
The development of intelligent systems that can take decisions and perform autonomously might lead to faster and more consistent decisions. A limiting factor for a broader adoption of AI technology is the inherent risks that come with giving up human control and oversight to intelligent machines. For sensitive tasks involving critical infrastructures and affecting human well-being or health, it is crucial to limit the possibility of improper, non-robust and unsafe decisions and actions. Before deploying an AI system, we see a strong need to validate its behavior, and thus establish guarantees that it will continue to perform as expected when deployed in a real-world environment. In pursuit of that objective, ways for humans to verify the agreement between the AI decision structure and their own ground-truth knowledge have been explored. Explainable AI (XAI) has developed as a subfield of AI, focused on exposing complex AI models to humans in a systematic and interpretable manner.
The 22 chapters included in this book provide a timely snapshot of algorithms, theory, and applications of interpretable and explainable AI and AI techniques that have been proposed recently reflecting the current discourse in this field and providing directions of future development. The book is organized in six parts: towards AI transparency; methods for interpreting AI systems; explaining the decisions of AI systems; evaluating interpretability and explanations; applications of explainable AI; and software for explainable AI.
————————————————————–
ترجمه ماشینی :
توسعه سیستم های هوشمند که می توانند تصمیمات بگیرند و به طور مستقل انجام دهند ممکن است منجر به تصمیمات سریعتر و سازگارتر شود. یک عامل محدود کننده برای اتخاذ گسترده تر فناوری هوش مصنوعی ، خطرات ذاتی است که با کنار گذاشتن کنترل انسان و نظارت بر ماشین های هوشمند همراه است. برای کارهای حساس که شامل زیرساخت های مهم و تأثیرگذاری بر بهزیستی یا سلامتی انسان است ، محدود کردن امکان تصمیمات و اقدامات نادرست ، غیر رو بها و ناامن است. قبل از استقرار یک سیستم هوش مصنوعی ، ما نیاز شدید به اعتبارسنجی رفتار آن می بینیم و بنابراین تضمین هایی را تعیین می کنیم که هنگام استقرار در یک محیط در دنیای واقعی ، عملکرد خود را ادامه خواهد داد. در جستجوی آن هدف ، راه هایی برای تأیید توافق بین ساختار تصمیم گیری هوش مصنوعی و دانش حقیقت حقایق مورد بررسی قرار گرفته است. AI قابل توضیح (XAI) به عنوان یک زیرزمین از هوش مصنوعی توسعه یافته است ، که بر روی قرار دادن مدلهای پیچیده AI در انسان به روشی سیستماتیک و قابل تفسیر متمرکز شده است. ، و کاربردهای تکنیک های قابل تفسیر و قابل توضیح AI و AI که اخیراً پیشنهاد شده است که منعکس کننده گفتمان فعلی در این زمینه و ارائه دستورالعمل های توسعه آینده است. این کتاب در شش بخش سازماندهی شده است: به سمت شفافیت هوش مصنوعی. روش های تفسیر سیستم های AI ؛ توضیح تصمیمات سیستم های AI ؛ ارزیابی تفسیر و توضیحات ؛ برنامه های کاربردی AI قابل توضیح ؛ و نرم افزاری برای AI قابل توضیح.
tag : دانلود کتاب هوش مصنوعی قابل توضیح: تفسیر ، توضیح و تجسم یادگیری عمیق , Download هوش مصنوعی قابل توضیح: تفسیر ، توضیح و تجسم یادگیری عمیق , دانلود هوش مصنوعی قابل توضیح: تفسیر ، توضیح و تجسم یادگیری عمیق , Download Explainable AI: Interpreting, Explaining and Visualizing Deep Learning Book , هوش مصنوعی قابل توضیح: تفسیر ، توضیح و تجسم یادگیری عمیق دانلود , buy هوش مصنوعی قابل توضیح: تفسیر ، توضیح و تجسم یادگیری عمیق , خرید کتاب هوش مصنوعی قابل توضیح: تفسیر ، توضیح و تجسم یادگیری عمیق , دانلود کتاب Explainable AI: Interpreting, Explaining and Visualizing Deep Learning , کتاب Explainable AI: Interpreting, Explaining and Visualizing Deep Learning , دانلود Explainable AI: Interpreting, Explaining and Visualizing Deep Learning , خرید Explainable AI: Interpreting, Explaining and Visualizing Deep Learning , خرید کتاب Explainable AI: Interpreting, Explaining and Visualizing Deep Learning ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.