AI 용어집
인공지능 완전 사전
Espace des contre-exemples
Sous-espace de l'espace des caractéristiques contenant toutes les instances valides qui inverseraient la prédiction originale du modèle.
Validité de contre-exemple
Critère garantissant qu'un contre-exemple généré change effectivement la prédiction du modèle tout restant dans les contraintes du domaine.
Proximité sémantique
Mesure de similarité entre l'instance originale et le contre-exemple, assurant que l'explication reste pertinente et compréhensible.
Génération par optimisation
Approche algorithmique utilisant des techniques d'optimisation pour trouver le contre-exemple optimal minimisant la distance tout en changeant la prédiction.
Conditionnalité causale
Principe garantissant que les modifications proposées dans les contre-exemples respectent les relations causales entre variables.
Robustesse de l'explication
Capacité d'un contre-exemple à rester valide sous de légères variations, assurant la fiabilité de l'explication générée.
Diversité des contre-exemples
Stratégie générant multiples contre-exemples non redondants pour offrir une vue complète des différentes façons de modifier une prédiction.
Espaces latents
Représentations compressées des données où les contre-exemples peuvent être générés plus efficacement tout en préservant la structure sémantique.
Contraintes d'admissibilité
Règles et limites imposées lors de la génération de contre-exemples pour garantir leur pertinence et réalisabilité dans le contexte applicatif.
Équilibre biais-variance explicatif
Compromis entre la précision locale du contre-exemple et sa généralisabilité pour éviter les explications surajustées ou trop approximatives.
Transfert d'explication
Capacité d'un contre-exemple à fournir des insights généralisables applicables à d'autres instances similaires au-delà du cas spécifique.