توضیح‌پذیری هوش‌مصنوعی

هوش‌مصنوعی توضیح‌پذیر بالفعل

ترکیبی از یادگیری عمیق و یادگیری تنبل به ما اجازه‌ی دخالت در داده‌های تاثیرگذار را میدهد.

• توضیح‌پذیری با پیدا کردن سهم تاثیر هر نمونه در داده‌های آموزش
• امکان ایجاد تغییر در سهم تاثیر هر نمونه بدون نیاز به آموزش مجدد مدل
• مد‌های پیش‌بینی کننده

• مدل‌های مولد

ادرس گیت هاب

توضیح‌پذیری بالفعل با داده‌های خوشه‌ای

ترکیب مدل‌های RAG با مدل‌های توضیح‌پذیر بالفعل برای سرعت و شخصی‌سازی.

• پیاده سازی الگوریتم جستجوی سریع در پایگاه داده
• توضیح‌پذیری بالفعل با استفاده از داده‌های نزدیک
• استفاده از الگوریتم‌های جستجوی سریع (مانند KNN) در آموزش و استنتاج با در نظر گرفتن سهم اهمیت (و نه لزوماً شباهت و نزدیکی)

ادرس گیت هاب