এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
Contre-exemple (Counterfactual)
Instance de données minimale et modifiée par rapport à un cas d'origine, qui change la prédiction du modèle vers une sortie souhaitée, servant à expliquer la décision frontalière du modèle.
Explication Contre-explicative (Counterfactual Explanation)
Méthode d'interprétabilité qui explique une prédiction en présentant un scénario hypothétique (contre-exemple) où la décision du modèle aurait été différente, clarifiant ainsi les critères de décision.
Validité Contre-explicative (Counterfactual Validity)
Critère garantissant qu'un contre-exemple généré produit bien la prédiction alternative attendue par le modèle, assurant la fiabilité et la pertinence de l'explication fournie.
Proximité Contre-explicative (Counterfactual Proximity)
Mesure de la distance entre l'instance d'origine et le contre-exemple, souvent quantifiée par une norme (ex: L1, L2), visant à garantir que l'explication soit plausible et facilement interprétable.
Sparsité Contre-explicative (Counterfactual Sparsity)
Principe selon lequel un contre-exemple doit modifier le plus petit nombre possible de caractéristiques de l'instance d'origine pour maximiser la clarté et l'actionnabilité de l'explication.
Plausibilité Contre-explicative (Counterfactual Plausibility)
Évaluation de la crédibilité d'un contre-exemple dans le monde réel, s'assurant que les modifications suggérées sont réalisables et ne correspondent pas à une instance aberrante ou impossible.
Diversité Contre-explicative (Counterfactual Diversity)
Objectif de générer un ensemble de contre-exemples qui ne sont pas redondants, offrant plusieurs chemins alternatifs distincts pour atteindre une prédiction différente et enrichissant ainsi la compréhension du modèle.
Coût Contre-explicatif (Counterfactual Cost)
Fonction pondérant les modifications de caractéristiques dans un contre-exemple, reflétant la difficulté ou le coût (monétaire, temporel, etc.) d'effectuer ces changements dans la réalité.
কার্যকারণমূলক কাউন্টারফ্যাকচুয়াল (Causal Counterfactuals)
একটি উন্নত পদ্ধতি যেখানে কাউন্টারফ্যাকচুয়ালগুলি ভেরিয়েবলগুলির মধ্যে কার্যকারণ সম্পর্ক বজায় রেখে তৈরি করা হয়, যা নিশ্চিত করে যে প্রস্তাবিত পরিস্থিতিগুলি বাস্তব বিশ্বের সীমাবদ্ধতাগুলি লঙ্ঘন করে না।
কাউন্টারফ্যাকচুয়াল রবাস্টনেস (Counterfactual Robustness)
একটি কাউন্টারফ্যাকচুয়ালের সামান্য পরিবর্তন বা নয়েজের মুখে তার বিকল্প পূর্বাভাস বজায় রাখার ক্ষমতা, যা মডেলের সিদ্ধান্ত সীমান্তের স্থিতিশীলতা নির্দেশ করে।
অ্যাডভারসারিয়াল কাউন্টারফ্যাকচুয়াল জেনারেশন (Adversarial Counterfactual Generation)
একটি মডেলের দুর্বলতা এবং ত্রুটিগুলি পরীক্ষা করার জন্য, প্রায়শই নিরাপত্তা বা অডিটের উদ্দেশ্যে, অ্যাডভারসারিয়াল লার্নিং কৌশলগুলি ব্যবহার করে কাউন্টারফ্যাকচুয়াল তৈরি করা।
কাউন্টারফ্যাকচুয়াল ল্যাটেন্ট স্পেস (Counterfactual Latent Space)
কম্পিউটেশনাল দক্ষতা এবং উৎপাদিত ইনস্ট্যান্সগুলির সামঞ্জস্য উন্নত করার জন্য একটি নিম্ন-মাত্রিক উপস্থাপনা স্থানে (ল্যাটেন্ট স্পেস) কাউন্টারফ্যাকচুয়ালগুলি অনুসন্ধান করার একটি পদ্ধতি।
কাউন্টারফ্যাকচুয়াল অপ্টিমাইজেশন পদ্ধতিসমূহ (Counterfactual Optimization Methods)
কাউন্টারফ্যাকচুয়াল অনুসন্ধানের সমস্যাটি সমাধান করতে ব্যবহৃত অ্যালগরিদমের একটি সেট (যেমন: কনস্ট্রেন্ট প্রোগ্রামিং, গ্রেডিয়েন্ট ডিসেন্ট), যা নৈকট্য এবং বৈধতার সমন্বয়ে একটি লস ফাংশন হ্রাস করে।
মাল্টি-ক্লাস কাউন্টারফ্যাকচুয়াল ব্যাখ্যা (Multi-class Counterfactual Explanations)
দুটির বেশি ক্লাস সহ শ্রেণিবদ্ধকরণের সমস্যাগুলিতে কাউন্টারফ্যাকচুয়ালগুলির প্রসার, যেখানে কেবলমাত্র বিপরীত ক্লাসে নয়, যেকোনো অন্য লক্ষ্য ক্লাসে স্যুইচ করার জন্য ইনস্ট্যান্স তৈরি করা হয়।