Joao Marques-Silva

S'attaquer aux problèmes des scores SHAP pour une meilleure explication du modèle.

Les avancées dans l'IA explicable améliorent la compréhension des modèles de ML complexes.

Examine de nouvelles méthodes pour comprendre les contributions des caractéristiques dans l'apprentissage automatique.

Explorer le rôle des méthodes basées sur la logique dans la transparence de la prise de décision en IA.

Les scores SHAP peuvent induire en erreur les prédictions et la prise de décision des modèles d'IA.

Explore comment les explications contrastives renforcent la confiance et la compréhension dans les modèles d'apprentissage automatique.