قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
التعلم الآلي التلقائي القابل للتأويل
فرع من فروع التعلم الآلي التلقائي يهدف إلى إنشاء نماذج تعلم آلي تلقائيًا تحسّن في نفس الوقت أداء التنبؤ وقدرة تفسير القرارات البشرية.
المفاضلة بين الأداء وقابلية التأويل
معضلة أساسية في التعلم الآلي التلقائي حيث غالبًا ما يصاحب تحسين دقة التنبؤ انخفاض في قابلية تأويل النموذج، مما يتطلب توازنًا مثاليًا حسب حالة الاستخدام.
أهمية الميزة المحلية
تقييم تأثير كل ميزة على تنبؤ معين، يوضح سبب اتخاذ النموذج لقرار معين لفرد معين.
القابلية للشرح مقابل قابلية التأويل
تمييز حيث تتعلق قابلية التأويل بالفهم الجوهري لآلية النموذج، بينما تهدف القابلية للشرح إلى توفير مبررات مفهومة للتنبؤات، حتى بالنسبة للنماذج المعتمة.
النماذج البديلة (Surrogate Models)
نماذج بسيطة وقابلة للتأويل يتم تدريبها لتقريب سلوك نموذج معقد، مما يسمح بتوليد تفسيرات شاملة أو محلية لقرارات النموذج الأصلي.
الشروحات المستقلة عن النموذج
تقنيات تفسير يمكن تطبيقها على أي نوع من نماذج التعلم الآلي دون الحاجة إلى معرفة ببنيته الداخلية.
النماذج القائمة على القواعد
نماذج تستخدم مجموعات من القواعد القابلة للتأويل من نوع (إذا-إذن) لاتخاذ القرارات، مما يوفر توازنًا طبيعيًا بين الأداء والشفافية في التعلم الآلي التلقائي.
قابلية التأويل اللاحقة
نهج يتمثل في تحليل وشرح نموذج تم تدريبه بالفعل دون تعديل بنيته، على عكس النماذج القابلة للتأويل بشكل جوهري.
الاختيار التلقائي للميزات
عملية AutoML تحدد تلقائياً المجموعة الفرعية المثلى من المتغيرات التنبؤية التي تعظم الأداء مع الحفاظ على قابلية تفسير النموذج النهائي.
مقياس الدقة
مقياس يقوم بتقييم دقة شرح أو نموذج بديل عن طريق قياس مدى إعادة إنتاج توقعات النموذج الأصلي بدقة.
الشبكات العصبية القابلة للتفسير
هياكل الشبكات العصبية المصممة خصيصاً لتكون قابلة للتفسير، مثل الشبكات مع قيود الأحادية أو الشبكات القائمة على النماذج الأولية.