We delve into Explainable AI (XAI), emphasizing its role in rendering AI systems transparent, interpretable, and trustworthy. We explore AI's capabilities in prediction and content generation, underscoring the necessity for clear decision-making processes. Additionally, we investigate methods to make complex AI models more comprehensible to a wide range of audiences.

Why Explainable AI matters

Transparency or interpretability

Interpretable scenarios

XAI objectives

The technicalities of XAI

Understanding the fundamentals of XAI

Accuracy and interpretability

Communicating about XAI

Audience segmentation

Balancing accuracy and simplicity

Introduction To Explainable AI

We explore Explainable AI (XAI) techniques, categorizing them into model-specific, model-agnostic, local, and global explanations to clarify AI decision-making. We discuss regression and classification for model-specific insights and introduce SHAP and LIME to interpret black box models. Additionally, we address the complexity of Large Language Models (LLMs), emphasizing the need for transparency in their decision-making processes.

Tecniche XAI

Locale o globale

Opzioni

Model-specific

Model-agnostic

Model-specific o model-agnostic

Spiegazioni specifiche del modello

Analogie per regressione e classificazione

Modelli black box nel processo decisionale

Spiegazioni indipendenti dal modello

SHAP

LIME

Entrambe

SHAP, LIME o entrambe?

Ruolo di SHAP e LIME nell’XAI

Spiegabilità dei LLM

Capire gli LLM

Ragionamento degli LLM

Techniques in Explainable AI

We explore the transformative impact of XAI in making artificial intelligence more accessible and user-friendly across various sectors. By integrating explainability from the outset, we ensure AI systems are transparent, fostering trust and facilitating a deeper collaboration between humans and machines. Through real-world case studies, we highlight how XAI demystifies complex AI decisions, empowering users with diverse technical backgrounds to leverage AI insights for more informed decision-making.

Tailoring AI to the user

XAI for the end-user

Risks of not including the end-user

XAI by design

Job applicant screening

Applying XAI by design

XAI for online learning

XAI in action

XAI requirements per industry

Trusting the AI system

Future of XAI

Cross disciplinary XAI

Proactive development and deployment

Recap

Implementing and Applying XAI

Questo corso ti porterà nel mondo affascinante della Explainable AI (XAI), una disciplina che punta a dare chiarezza e comprensibilità al spesso misterioso ambito dell’intelligenza artificiale. È un corso concettuale pensato per chi non ha un background tecnico, con l’obiettivo di mettere in luce l’importanza e i metodi per rendere trasparenti le decisioni dell’AI. Esplorerai le ragioni alla base della XAI, il suo ruolo nel più ampio panorama dell’AI e le sue significative implicazioni sociali. Alla fine, persone con ruoli diversi capiranno come la XAI colmi il divario tra algoritmi complessi e decisioni di ogni giorno.

<h2>Capire i concetti base dell'intelligenza artificiale spiegabile (XAI)</h2>
Questo corso ti introduce al campo fondamentale della XAI, concentrandosi sul rendere comprensibili e accessibili gli algoritmi complessi dell'intelligenza artificiale. La necessità di trasparenza e fiducia in queste tecnologie cresce man mano che i sistemi di IA diventano sempre più integrati in vari settori. Questo corso parla dei concetti chiave della XAI, tipo trasparenza, interpretabilità e responsabilità, e cerca di capire come bilanciare la complessità dei modelli con la loro spiegabilità.

<h2>Impara le tecniche XAI</h2>
Imparerai a conoscere le spiegazioni specifiche per modello e indipendenti dal modello, acquisendo conoscenze pratiche e strumenti per applicare efficacemente i principi XAI nei tuoi progetti. Il corso vuole darti le conoscenze per rendere i sistemi di IA più trasparenti, etici e in linea con i valori della società, assicurando che le decisioni prese dall'IA non siano solo efficaci, ma anche giustificabili e comprensibili.

<h2>Implementare la XAI nel mondo reale</h2>
Alla fine di questo corso, avrai una buona comprensione della XAI e di quanto sia importante nello sviluppo di soluzioni di IA, e sarai pronto per mettere in pratica questi principi per migliorare la chiarezza e l'affidabilità dei sistemi di IA nelle applicazioni del mondo reale.


Scopri il ruolo e le realtà dell'Intelligenza Artificiale Spiegabile (XAI) con questo corso per principianti.

Concetti di Explainable Artificial Intelligence (XAI)

Scopri il ruolo e come funziona davvero l'Intelligenza Artificiale Spiegabile (XAI) con questo corso facile da seguire per chi è alle prime armi. 

Leadership nell'intelligenza artificiale (AI)

Offre una prospettiva più ampia sui contributi delle feature, aiutando a comprendere l’influenza dei diversi fattori sulle predizioni.

Usa principi cooperativi per distribuire i valori di importanza delle feature, aumentando la trasparenza nel processo decisionale del modello.

Genera insight interpretabili per specifiche predizioni del modello analizzando le relazioni tra input e output.

Si concentra principalmente sulla spiegazione di singole predizioni e semplifica il comportamento di modelli complessi per facilitarne la comprensione.

Mira ad approssimare il ragionamento e i processi decisionali del modello senza fornire una spiegazione completa.

Affronta la sfida di comprendere gli output di modelli complessi, soprattutto in scenari ad alto rischio, fornendo insight sui fattori che influenzano le predizioni.

SHAP, LIME o entrambe?

Concetti di Explainable Artificial Intelligence (XAI)

Esercizio pratico interattivo