L’un des défis principaux de la recherche en apprentissage actuellement est la définition d’IA de confiance, concept qui recouvre de nombreuses dimensions parmi lesquelles on peut citer : l’IA explicable (eXplainable AI) ; interprétable, équitable ou responsable. Cette UE traite de ces questions et aborde, en particulier, les points suivants : définitions d’explications, critères d’interprétabilité ; interprétabilité par design : apprentissage interprétable de modèles interprétables ; interprétabilité post-hoc : LIME, SHAP et autres scores d’importance d’attributs, génération d’exemples contrefactuels ; approches logiques d’interprétabilité : abduction, causalité, logiques graduelles ; aspects éthiques, éthique computationnelle, fairness.
Informations
- Période: M2 S1
- Langue: français
- Crédits: 6 ECTS