New-Tech Magazine | Nov 2022 | Digital Edition

Explainable AI מדריך למהנדס בנושא

Mouser Electronics מארק פטריק,

ולמידה חישובית בחיי AI היומיום קשה לומר בדיוק מתי הפכה הלמידה ) לחלק מחיי היומיום שלנו. ML החישובית ( לא הייתה שום השקה גדולה, לפעמים אפילו הפך ML לא היה שום אזכור, אבל לאט ובטוח לחלק מהותי מהאינטראקציה היומית שלנו עם טכנולוגיה. אצל רבים מאיתנו, המפגש הראשון שלנו התקייםדרך עוזרים וירטואליים Siri או Google של Voice בטלפון החכם, כמו ML . גם בתחום התעבורה, הפך Apple של במהרה לפונקציה דומיננטית במערכות סיוע ), כגון בקרת שיוט ADAS מתקדמות לנהגים ( ) ALA ), בקרת סטייה מנתיב ( ACC אדפטיבית ( וזיהוי תמרורים. מעבר לכך, יש יישומים רבים אחרים שייתכן כי איננו מודעים לכך משמש בהם. חברות פיננסיות וחברות ML ש- עבור פונקציות שונות ML ביטוח משתמשות ב של עיבוד מסמכים, ואילו מערכות רפואיות ומערכות לאבחון בריאותי מנצלות את MRI לזהות דפוסים בסריקות ML היכולת של ובתוצאות בדיקות של מטופלים. לחלק מחיי היומיום שלנו, ML במהרה הפך ומהר מאוד נהיינו תלויים בו בגלל יכולתו לקבל החלטות מהירות.

לגוריתמים של למידה חישובית הולכים ונהיים במהירות חלק

א

הבנת תהליך קבלת ההחלטות של אלגוריתם האמון והתלות שלנו בהחלטות שמתקבלות על-ידי יישומים המבוססים על למידה חישובית הובילו לאחרונה להבעת חששות מצד קבוצות המתמקדות בצרכנים ובאתיקה מקצועית. קובעות ML כדי להבין כיצד מערכות סבירות של תוצאה, תחילה נסקור בקצרה את אופן הפעולה שלהן. למידה חישובית משתמשת באלגוריתם כדי לחקות את תהליך קבלת ההחלטות של המוח האנושי. כדי ליצור אלגוריתם, נוירונים במוח שלנו משתכפלים לפי מודל המבוסס על חישובים מתמטיים של הרשת העצבית. בדומה למוח שלנו, האלגוריתם ) ANN של הרשת העצבית המלאכותית ( מסוגל להסיקתוצאה על בסיסהידע הנרכש במידה מסוימת של סבירות. כפי שכולנו ANN עושים מהרגע שנולדנו, רשת ה- הוא ANN מפתחת הבנה דרך למידה. אימון חלק יסודי בכל מודל של למידה חישובית. בנוסף, סוגים שונים של מודלים של רשת עצבית מתאימים טובים יותר למשימות ספציפיות; לדוגמה, רשת קונבולוציה

משגרת היומיום. סביר להניח שלמידה חישובית, שהיא ענף בתחום הבינה המלאכותית, נמצאת בשימוש רב משאנשים נוטים לחשוב. לרוב, אנחנו כלל לא מודעים לכך שאלגוריתם מעורב בעניין זה או אחר. כבר עכשיו אפשר למצוא אותם בכל מקום: בעוזרים וירטואליים בטלפון החכם, בתכנון מסלול נסיעה, בתוצאות חיפוש באינטרנט - והרשימה הולכת ומתארכת. במצב שבו אלגוריתמים רבים ומורכבים הקשורים אלה באלה מיושמים לצרכים תעשייתיים, תעבורתיים ורפואיים, קיים צורך הולך וגדל להבין הגיע לתוצאה ML מדוע אלגוריתם מסוימת בעקבות הסקת מסקנות. המונח (בינה מלאכותית מוסברת Explainable AI ) משמש יותר ויותר לתיאור תוצאה xAI - של אלגוריתם והגורמים ברקע שעליהם אותה תוצאה התבססה. ונסביר xAI במאמר זה נציג את המושג מדוע הוא מהווה שיקול מהותי בכל יישום חדש של למידה חישובית.

New-Tech Magazine l 44