Om du inte redan är registrerad hos #frAIday kan du göra det här för att få Zoom-länken
#frAIday hybrid
Seminariet kommer att hållas i Seminarierummet MIT.A.216, Umeå Universitet. Du kan också delta via Zoom. Välkomna!
Abstrakt
Explainable AI (XAI) är en domän som utvecklar metoder som gör det möjligt att förklara, eller åtminstone rättfärdiga, AI-systems rekommendationer och handlingar på liknande sätt som människor gör. Nuvarande XAI-metoder tenderar dock att ge icke-interaktiva resultat som huvudsakligen (eller endast) är begripliga för AI-ingenjörerna själva. Social XAI (sXAI) föreslås som ett namn på XAI-funktionalitet som efterliknar hur människor förklarar och motiverar sina handlingar och åsikter, åtminstone i viss utsträckning. sXAI-metoder bör vara interaktiva och anpassa sina förklaringar till den förklarades bakgrundskunskaper, intressen och preferenser för hur förklaringar ska tas emot, samt till interaktionstakten. Presentationen visar hur sXAI kan implementeras med hjälp av CIU-metoden (Contextual Importance and Utility) - och ger några skäl till varför vi förmodligen inte kommer att se sXAI hända inom den närmaste framtiden.
Om du inte redan är registrerad hos #frAIday kan du göra det här för att få Zoom-länken
Kary Främling är professor i datavetenskap vid Umeå universitet, med inriktning mot dataanalys och maskininlärning. Han är också ledare för teamet Explainable AI (XAI) och beskriver sitt huvudsakliga forskningsfokus på Explainable Artificial Intelligence (XAI) och särskilt på så kallad ”resultatförklaring”, dvs. att förklara och/eller motivera resultat, åtgärder eller rekommendationer som görs av alla typer av AI-system, inklusive (djupa eller inte) neurala nätverk.
