ترجمه فارسی مقاله مجموعه داده | ذهنیت = هوش مصنوعی قابل توضیح | هوش مصنوعی قابل تفسیر

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Dataset | Mindset = Explainable AI | Interpretable AI
عنوان مقاله به فارسی مجموعه داده | ذهنیت = هوش مصنوعی قابل توضیح | هوش مصنوعی قابل تفسیر
نویسندگان Caesar Wu, Rajkumar Buyya, Yuan Fang Li, Pascal Bouvry
فرمت مقاله انگلیسی PDF
تعداد صفحات 25
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Artificial Intelligence,هوش مصنوعی ,
توضیحات Submitted 22 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 22 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

We often use "explainable" Artificial Intelligence (XAI)" and "interpretable AI (IAI)" interchangeably when we apply various XAI tools for a given dataset to explain the reasons that underpin machine learning (ML) outputs. However, these notions can sometimes be confusing because interpretation often has a subjective connotation, while explanations lean towards objective facts. We argue that XAI is a subset of IAI. The concept of IAI is beyond the sphere of a dataset. It includes the domain of a mindset. At the core of this ambiguity is the duality of reasons, in which we can reason either outwards or inwards. When directed outwards, we want the reasons to make sense through the laws of nature. When turned inwards, we want the reasons to be happy, guided by the laws of the heart. While XAI and IAI share reason as the common notion for the goal of transparency, clarity, fairness, reliability, and accountability in the context of ethical AI and trustworthy AI (TAI), their differences lie in that XAI emphasizes the post-hoc analysis of a dataset, and IAI requires a priori mindset of abstraction. This hypothesis can be proved by empirical experiments based on an open dataset and harnessed by High-Performance Computing (HPC). The demarcation of XAI and IAI is indispensable because it would be impossible to determine regulatory policies for many AI applications, especially in healthcare, human resources, banking, and finance. We aim to clarify these notions and lay the foundation of XAI, IAI, EAI, and TAI for many practitioners and policymakers in future AI applications and research.

چکیده به فارسی (ترجمه ماشینی)

ما اغلب از هوش مصنوعی "قابل توضیح" (XAI) "و" AI قابل تفسیر (IAI) "به طور متناوب استفاده می کنیم وقتی که از ابزارهای مختلف XAI برای یک مجموعه داده خاص استفاده می کنیم تا دلایلی را که زیربنای خروجی های یادگیری ماشین (ML) است ، توضیح دهد.گیج کننده است زیرا تفسیر اغلب به سمت حقایق عینی متمایل است.از این ابهام ، دوگانگی دلایل ، که در آن می توانیم به خارج یا به سمت داخل استدلال کنیم ، ما می خواهیم دلایل خود را از طریق قوانین طبیعت حس کنیم.قوانین قلب در حالی که XAI و IAI به عنوان مفهوم مشترک برای هدف شفافیت ، وضوح ، انصاف ، قابلیت اطمینان و پاسخگویی در زمینه هوش مصنوعی اخلاقی و AI قابل اعتماد (TAI) به اشتراک می گذارند ، تفاوت های آنها در آن XAI است که تأکید می کندتجزیه و تحلیل پس از تعقیب یک مجموعه داده ، و IAI به یک ذهنیت پیشینی از انتزاع نیاز دارد.این فرضیه را می توان با آزمایش های تجربی بر اساس یک مجموعه داده باز اثبات کرد و توسط محاسبات با کارایی بالا (HPC) بهره برد.مشخص کردن XAI و IAI ضروری است زیرا تعیین سیاست های نظارتی برای بسیاری از برنامه های هوش مصنوعی ، به ویژه در مراقبت های بهداشتی ، منابع انسانی ، بانکداری و دارایی غیرممکن خواهد بود.هدف ما این است که این مفاهیم را روشن کنیم و پایه و اساس XAI ، IAI ، EAI و TAI را برای بسیاری از پزشکان و سیاستگذاران در برنامه های کاربردی و تحقیقات آینده AI قرار دهیم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.