قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
الشمولية (Completeness)
مؤشر يقيس نسبة العوامل المؤثرة حقًا في النموذج والتي يتم التقاطها وتقديمها بفعالية في الشرح المُولّد.
الخصوصية (Specificity)
مقياس يقيم قدرة الشرح على تحديد الخصائص الفريدة للحالة المعنية بدقة دون الإفراط في التعميم على حالات غير ذات صلة.
الحساسية (Sensitivity)
معيار كمي يقيس كيفية اختلاف الشروحات بشكل منهجي استجابةً لتعديلات مضبوطة في بيانات الإدخال، مما يعكس الاستجابة للتغيرات.
الاتساق (Coherence)
معيار يقيس التوافق المنطقي بين الشروحات المُولّدة ومعرفة المجال أو المبادئ السببية الراسخة، مما يضمن معقولية التفسيرات.
الدقة/التفصيل (Granularity)
مقياس يحدد مستوى تفاصيل الشروحات، من المستوى المجرد (الميزات العامة) إلى المستوى الدقيق (القيم الفردية)، بما يتناسب مع احتياجات المستخدم.
البساطة/الإيجاز (Parsimony)
مبدأ تقييم يفضل الشروحات التي تستخدم الحد الأدنى من المفاهيم أو المتغيرات اللازمة لالتقاط جوهر سلوك النموذج.
الملاءمة/الأهمية (Relevance)
مقياس يحدد الأهمية النسبية للخصائص المشروحة مقارنة بتأثيرها الفعلي على تنبؤ النموذج، وغالبًا ما يتم تطبيعه بين 0 و 1.
قابلية التنفيذ (Actionability)
معيار يقيم مدى توفير الشروحات لمعلومات قابلة للتنفيذ تمكن المستخدمين من اتخاذ إجراءات ملموسة لتعديل التنبؤات.
الجدوى (Feasibility)
معيار يقيم الواقعية العملية للتفسيرات المقترحة، خاصة في السيناريوهات الافتراضية، من خلال التحقق من أن التعديلات المقترحة قابلة للتحقيق.
التمييزية (Discriminability)
مقياس يقيس قدرة التفسيرات على التمييز بفعالية بين التنبؤات الإيجابية والسلبية، مما يضمن فصلًا واضحًا للحالات.
التعقيد الحسابي (Computational Complexity)
معيار كمي يقيم الموارد الحاسوبية المطلوبة لتوليد التفسيرات، وهو ضروري للتطبيق على نطاق واسع لأساليب الذكاء الاصطناعي القابل للتفسير (XAI).
تغطية التباين (Variance Coverage)
مقياس يقيس نسبة التباين الكلي لتنبؤات النموذج التي يتم تفسيرها بواسطة الخصائص المحددة في التفسير المحلي.
الرتابة (Monotonicity)
معيار يقيم ما إذا كانت التفسيرات تحترم العلاقات الرتيبة المتوقعة بين الميزات والتنبؤات، مما يضمن الاتساق الاتجاهي للتفسيرات.