Dieses umfassende Buch über erklärbare künstliche Intelligenz wurde aktualisiert und erweitert, um die neuesten Entwicklungen im Bereich XAI widerzuspiegeln und die bestehende Literatur mit neuen Forschungen, Fallstudien und praktischen Techniken zu bereichern.

Die zweite Auflage baut auf ihrem Vorgänger auf, indem sie die Fortschritte im Bereich KI behandelt, einschließlich großer Sprachmodelle und multimodaler Systeme, die Text, Bilder, Töne und sensorische Daten integrieren. Es wird betont, wie wichtig es ist, komplexe systemische Strukturen verständlich zu machen, ohne die Leistung zu opfern, und bietet einen erweiterten Fokus auf additive Modelle zur verbesserten Erklärbarkeit. Das Buch verbindet technische Strenge mit Zugänglichkeit, indem es Theorie und praktische Anwendung vereint und die Leser mit den Fähigkeiten ausstattet, Methoden der erklärbaren KI (XAI) effektiv in realen Umgebungen umzusetzen.

Merkmale:

• Erweiterung des Kapitels "Innerhalb erklärbare Modelle", um auf generalisierte additive Modelle und andere inhärente Techniken einzugehen, sowie das Kapitel mit neuen Beispielen und Anwendungsfällen zu bereichern, um das Verständnis für inhärente XAI-Modelle zu vertiefen.
• Weitere Details im Abschnitt "Modell-unbekannte Methoden für XAI", der sich darauf konzentriert, wie sich Erklärungen zwischen Trainings- und Testsatz unterscheiden, inklusive eines neuen Modells, um diese Unterschiede klarer und effektiver darzustellen.
• Neue Sektion im Kapitel "Wissenschaft durch maschinelles Lernen und XAI", die eine visuelle Herangehensweise an die Grundfunktionen von XAI vorstellt, um das Konzept für die Leser durch eine interaktive und ansprechende Benutzeroberfläche zugänglicher zu machen.
• Überarbeitung des Kapitels "Reverse Engineering und Erklärbarkeit", inklusive Code-Reviews zur Verbesserung des Verständnisses und der Effektivität der besprochenen Konzepte, wobei sichergestellt wird, dass die Codebeispiele auf dem neuesten Stand und für aktuelle Best Practices optimiert sind.
• Neues Kapitel "Genetische Modelle und große Sprachmodelle (LLM)", das die Rolle genetischer Modelle und großer Sprachmodelle in der XAI untersucht und wie sie genutzt werden können, um reichhaltigere und interaktivere Erklärungen zu erzeugen. Das Kapitel deckt auch die Erklärbarkeit von Transformer-Modellen und den Schutz der Privatsphäre durch genetische Modelle ab.
• Neues "Mini-Kapitel zur künstlichen allgemeinen Intelligenz (AGI) und XAI", das die Auswirkungen von AGI auf die XAI erforscht und diskutiert, wie Fortschritte in Richtung AGI-Systeme Strategien und Methoden der XAI beeinflussen.
• Verbesserungen im Kapitel "Erklärung von Deep Learning-Modellen" mit neuen Methoden zur Erklärung von tiefen neuronalen Netzen, ergänzt durch innovative Techniken und Vorschläge für ein tieferes Verständnis.

Seiten: 324, Erscheinungsjahr: 0806, Maße: 15,5x15,5cm