قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
Fidélité
Mesure quantifiant la capacité d'une explication à représenter fidèlement le comportement réel du modèle sous-jacent, évaluée par la corrélation entre les prédictions de l'explication et celles du modèle original.
Stabilité
Indicateur mesurant la cohérence des explications générées pour des entrées similaires ou légèrement perturbées, garantissant la robustesse des interprétations face aux variations mineures des données.
Compréhensibilité
Métrique évaluant la facilité avec laquelle un humain peut interpréter et comprendre une explication, souvent mesurée par la complexité linguistique ou structurelle de la représentation explicative.
Pertinence
Score quantifiant le degré de pertinence des caractéristiques mises en évidence dans l'explication par rapport à la prédiction du modèle, évalué par l'importance attribuée aux variables influentes.
Complétude
Mesure évaluant si une explication capture tous les facteurs pertinents ayant contribué à la décision du modèle, sans omettre d'informations cruciales pour l'interprétation complète.
Cohérence
Indicateur quantifiant la cohérence logique entre différentes explications générées par le même modèle, assurant l'absence de contradictions dans les interprétations sur des prédictions similaires.
Sensibilité
Score évaluant comment les explications varient en fonction des changements dans les caractéristiques d'entrée, mesurant la réactivité des méthodes explicatives aux modifications des données.
Robustesse
Mesure quantifiant la résistance des explications aux perturbations malveillantes ou aux attaques adversariales, garantissant la fiabilité des interprétations dans des conditions dégradées.
Score de confiance
Indicateur numérique évaluant le degré de certitude associé à une explication, reflétant la fiabilité de l'interprétation fournie par le modèle d'IA.
Profondeur d'explication
Métrique mesurant le niveau de détail et de granularité d'une explication, quantifiant la profondeur à laquelle les mécanismes internes du modèle sont révélés.
Couverture
Score évaluant la proportion des instances ou des caractéristiques du modèle qui sont effectivement expliquées par la méthode d'explicabilité, mesurant l'étendue de l'applicabilité.
Temps de calcul
Métrique quantitative mesurant la complexité temporelle nécessaire pour générer les explications, impactant directement la praticité et la scalabilité des méthodes explicatives.
Précision explicative
Indicateur évaluant la justesse quantitative des explications, mesurant l'adéquation entre les poids d'importance attribués et l'influence réelle des caractéristiques sur la prédiction.
Granularité
Métrique définissant le niveau de détail des explications, allant des interprétations globales du modèle aux explications locales spécifiques à chaque prédiction individuelle.
Fidélité locale
Métrique spécifique mesurant la précision d'une explication pour une prédiction individuelle, évaluant la correspondance entre le comportement local du modèle et son approximation explicative.
Fidélité globale
Indicateur quantifiant la capacité d'une explication à représenter fidèlement le comportement global du modèle sur l'ensemble des prédictions, mesurant la précision de l'approximation globale.