XAI-forsker: Vi ved for lidt om, hvad der egentlig kræves af en god forklaring

Foto : Elnur, Bigstock

XAI-forsker: Vi ved for lidt om, hvad der egentlig kræves af en god forklaring

One size fits all dur ikke, når det gælder AI-forklaringer. 
Explainable AI - eller blot XAI - er en kritisk ingrediens, hvis AI-systemer skal vinde indpas i kritiske domæner som f.eks. sundhedsvæsenet. Men der er brug for langt mere viden om, hvor meget information læger og sygeplejersker egentlig har brug for - og i hvilket format. 
Vil du have fuld adgang til DataTech?

DataTech skriver til dig, der arbejder professionelt med data og analytics. Vi giver dig inspirerende cases, nyheder og debat om alt fra Machine Learning-modeller til dataetik.

Prøv DataTech gratis

DataTech giver dig ny viden, cases og erfaringer med at lykkes med AI og data science i praksis. Få 3 ugers gratis og uforpligtende prøveabonnement

Klik her
Julie Gerlings
Julie Gerlings
Illustration: Carve

Julie Gerlings er konsulent hos Carve Consulting, hvor hun blandt andet bygger og evaluerer forklarlige AI-modeller. Gerlings er samtidig ved at skrive sin ph.d. med fokus på XAI ved CBS.