Key points are not available for this paper at this time.
لقد أثبتت النماذج المعقدة وغير المعلمية، التي تُستخدم عادة في التعلم الآلي، نجاحها في العديد من مهام التنبؤ. لكن هذه النماذج عادة ما تعمل كصناديق سوداء: بينما هي جيدة في التنبؤ، غالبًا ما تكون غير قابلة للتفسير. تم اقتراح العديد من النماذج القابلة للتفسير بطبيعتها، ولكن ذلك يأتي على حساب فقدان القدرة التنبؤية. خيار آخر هو تطبيق طرق القابلية للتفسير على نموذج صندوق أسود بعد تدريب النموذج. نظرًا لسرعة البحث في نماذج التعلم الآلي الجديدة، من الأفضل أن يكون لدينا أدوات غير مرتبطة بالنموذج يمكن تطبيقها على غابة عشوائية وكذلك على شبكة عصبية. ينبغي أن تحسن الأدوات المستخدمة لطرق القابلية للتفسير غير المرتبطة بالنموذج من اعتماد التعلم الآلي.
درس كريستوف مولنار (الأربعاء) هذا السؤال.