告別AI模型黑盒子：可解釋性將是數據科學的下一個「超能力」

過去幾年來，人工智能研究人員在圖像識別、自然語言理解和棋類等領域取得了重大突破。但由於缺乏對複雜機器學習模型的真正理解，導致模型在傳播時出現了偏見，這種偏見在零售、面部識別和語言理解等領域的應用中出現了多次。 說到底，機器學習模型大多數時候仍然是「黑盒子」，很多時候可以拿來用，但具體原理並不十分清楚，即缺乏足夠的「可解釋性」。 什麼是模型的」可解釋性「？不同人羣定義不一樣 所謂模型的可解釋性，是指

>>阅读原文<<