Artículos relacionados a Explainable Artificial Intelligence: Metodi, modelli...

Explainable Artificial Intelligence: Metodi, modelli e pratiche per comprendere e valutare le decisioni dell’IA - Tapa blanda

Poggesi, Alessio

 
9798193676485: Explainable Artificial Intelligence: Metodi, modelli e pratiche per comprendere e valutare le decisioni dell’IA

Sinopsis

Perché un modello di Intelligenza Artificiale prende una determinata decisione?

Un sistema può essere accurato e, allo stesso tempo, apprendere correlazioni fragili, sfruttare informazioni irrilevanti o produrre decisioni difficili da verificare. L’Explainable Artificial Intelligence nasce per rendere osservabili questi meccanismi e trasformare le predizioni dei modelli in oggetti di analisi, valutazione e controllo.

Questo manuale presenta in modo progressivo e scientificamente rigoroso i principali metodi dell’Explainable AI, partendo dalle basi del Machine Learning interpretabile fino alle tecniche post-hoc e ai modelli basati sui concetti.

Nel libro vengono affrontati:


  • interpretability, explainability, fidelity e valutazione delle spiegazioni;

  • alberi decisionali, regole, GAM, GA2M, EBM e Neural Additive Models;

  • prototipi, ProtoPNet e apprendimento logico induttivo;

  • approcci neuro-simbolici, Semantic Loss, Markov Logic Networks, ProbLog e DeepProbLog;

  • LIME, PredDiff, SHAP e KernelSHAP;

  • gradienti, SmoothGrad, Integrated Gradients, Grad-CAM e attention;

  • ICE, Partial Dependence Plot e Permutation Feature Importance;

  • Concept Bottleneck Models, Concept Embedding Models e concept interventions;

  • fairness, robustezza, sanity checks, governance e quadro normativo europeo.




Ogni metodo viene introdotto attraverso il problema da risolvere, l’intuizione, la formalizzazione matematica, il funzionamento passo dopo passo, esempi concreti, vantaggi, limiti e criteri di utilizzo.

Il volume è rivolto a studenti di Informatica, Ingegneria Informatica, Intelligenza Artificiale e Data Science, oltre che a professionisti tecnici che desiderano comprendere e valutare criticamente le decisioni dei sistemi di Machine Learning.

Sono sufficienti conoscenze di base di Machine Learning. Non sono richieste competenze pregresse avanzate di Explainable AI.

"Sinopsis" puede pertenecer a otra edición de este libro.