Erklärbare KI für Praktiker

Kapitel 1. Einführung

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Explainable AI, auch bekannt als XAI, ist ein Bereich des maschinellen Lernens (ML), der aus Techniken besteht, die darauf abzielen, das Verhalten von Modellen besser zu verstehen, indem sie Erklärungen dafür liefern, wie ein Modell eine Vorhersage getroffen hat. Das Wissen darüber, wie sich ein Modell verhält und wie es von seinem Trainingsdatensatz beeinflusst wird, gibt jedem, der maschinelles Lernen entwickelt oder anwendet, mächtige neue Fähigkeiten, um Modelle zu verbessern, Vertrauen in ihre Vorhersagen aufzubauen und zu verstehen, wenn etwas schief läuft. Erklärbare KI-Techniken sind besonders nützlich, weil sie nicht auf ein bestimmtes Modell angewiesen sind - sobald du eine erklärbare KI-Methode kennst, kannst du sie in vielen Szenarien einsetzen. Dieses Buch soll dir die Fähigkeit vermitteln, zu verstehen, wie erklärbare KI-Techniken funktionieren, damit du ein Gespür dafür entwickeln kannst, wann du einen Ansatz einem anderen vorziehst, wie du diese Techniken anwendest und wie du diese Erklärungen bewerten kannst, damit du ihre Vorteile und Grenzen verstehst und sie deinen Stakeholdern vermitteln kannst. Erklärungen können sehr wirkungsvoll sein und leicht ein neues Verständnis dafür vermitteln, warum ein Modell eine bestimmte Vorhersage trifft, wie Abbildung 1-1 zeigt. Aber sie erfordern auch Geschick und Fingerspitzengefühl, ...