Erklärbare KI für Praktiker

Vorwort

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

Die Nutzung von KI als Werkzeug zur Lösung realer Herausforderungen hat ein rasantes Wachstum erfahren, sodass diese Systeme in unserem Leben allgegenwärtig sind. Immer häufiger wird maschinelles Lernen (ML) eingesetzt, um wichtige Entscheidungen zu treffen, und es wird in Anwendungen vom Gesundheitswesen bis zum autonomen Fahren eingesetzt. Mit diesem Wachstum ist die Notwendigkeit, diese undurchsichtigen KI-Systeme zu erklären, noch dringender geworden, und in vielen Fällen ist die fehlende Erklärbarkeit ein Hindernis für Anwendungen, bei denen die Interpretierbarkeit entscheidend ist.

Dieses Buch ist eine Sammlung einiger der effektivsten und am häufigsten verwendeten Techniken, um zu erklären, warum ein ML-Modell die Vorhersagen trifft, die es macht. Wir erörtern die vielen Aspekte der erklärbaren KI (Explainable AI, XAI), einschließlich der Herausforderungen, der Erfolgskriterien und der Fallstudien, die als Leitfaden für bewährte Methoden dienen. Ziel dieses Buches ist es, die Lücke zwischen den zahlreichen Arbeiten zu schließen, die auf dem Gebiet der XAI geleistet wurden, und eine Kurzreferenz für Praktiker/innen zu bieten, die XAI in ihren ML-Workflow integrieren wollen.

Wer sollte dieses Buch lesen?

Die Erklärbarkeit von Modellen ist für jeden wichtig, der mit diesen Modellen interagiert oder sie entwickelt - von den Ingenieuren ...