Публикации по теме 'black-box'
Как искусственный интеллект пишет тайны и мифы нашей будущей жизни?
In The Hero’s Journey , Joseph Campbell stated
Миф - это тайное отверстие, через которое неиссякаемые энергии космоса вливаются в человеческое культурное проявление.
Религии, философии, искусства, социальные формы первобытного и исторического человека, важнейшие открытия в науке и технике, те самые сны, которые пробуждают волдыри во сне, вырастают из основного магического кольца мифа.
Подробнее о тайнах и мифах
Где мы были до того, как родились? - Куда мы пойдем после..
Структуры объяснимости (XAI) Обзор структурированных данных
Искусственный интеллект значительно продвинулся в последнее время, и теперь проблема заключается не в развитии, а в неопределенном поведении модели. Каждый сектор быстро адаптирует ИИ для своих вариантов использования, но боится их использовать.
Чтобы доверять ИИ, он должен быть интерпретируемым, что в основном состоит из 3 концепций — F.A.T .
Справедливость . Принимаются ли решения без заметной предвзятости? Подотчетность . Можем ли мы отследить решение до кого-то или чего-то?..
Черные ящики и их вторжение
Область искусственного интеллекта, которая разрабатывалась до сих пор, успешно охватила различные секторы и обеспечила потрясающую поддержку и результаты, о которых раньше даже не догадывались. Но в каждой истории героя есть антагонист.
Черные ящики: В науке, вычислительной технике и технике черный ящик - это устройство, система или объект, которые можно рассматривать с точки зрения входных и выходных данных, без каких-либо сведений о его внутренней работе. . Его реализация..
treehap - объяснение древовидных моделей со значениями SHAP
Введение в пакет
Соавтором этого сообщения является Шимон Максимюк .
В течение нескольких месяцев мы работали над пакетом R treeshap - быстрым методом вычисления значений SHAP для моделей ансамбля деревьев. Пакет еще не полностью разработан, но он уже может вычислять объяснения для ряда моделей, включая XGBoost , LightGBM , gbm , ranger и _6 _, (_ 7_ в планах на ближайшее будущее) и представлять результаты с различными функциями построения графиков. Недавно мы добавили..
МАШИННОЕ ОБУЧЕНИЕ: насколько черным этот красивый черный ящик
МАШИННОЕ ОБУЧЕНИЕ: насколько черным этот красивый черный ящик
Программное обеспечение сейчас намного лучше, чем было несколько десятилетий назад. Машинное обучение лучше, чем было. Библиотеки программного обеспечения для машинного обучения теперь разработаны и хорошо протестированы. Технология, которая его окружает, также намного лучше. Как инженер я привык работать с более высокоуровневыми и абстрактными библиотеками, фреймворками, которые скрывают основные операции, и довольно..
Общество черного ящика: секретные алгоритмы, управляющие окружающим миром
Общество черного ящика: секретные алгоритмы, управляющие окружающим миром
В 2012 году Target выяснила, что девочка-подросток беременна раньше, чем ее отец. Как? потому что у них есть ваши личные данные и модель потребления, и они могут проникнуть в ваше чрево. В том же году Orbitz начал показывать более высокие цены пользователям Mac за ту же комнату, потому что алгоритмы оценивали вас и решали, какую цену вы можете заплатить (Люди, которые используют Mac, богаче)...
Интерпретируемое машинное обучение
Почему и как сделать ваши модели машинного обучения интерпретируемыми
Критики машинного обучения говорят, что оно создает модели «черного ящика»: системы, которые могут производить ценный результат, но которые люди могут не понять.
Это заблуждение. Машинное обучение можно интерпретировать, а это значит, что мы можем создавать модели, понятные людям и которым они доверяют. Тщательно построенные модели машинного обучения можно проверить и понять. Вот почему мы можем использовать их в..
