이 단원에서는 설명 가능한 AI(XAI)를 다루며, AI 시스템을 투명하고 해석 가능하며 신뢰할 수 있게 만드는 데서 XAI의 역할을 강조합니다. 예측과 콘텐츠 생성에서의 AI 역량을 살펴보고, 명확한 의사결정 과정의 필요성을 짚습니다. 또한 복잡한 AI 모델을 다양한 대상에게 더 쉽게 이해시키는 방법을 탐구합니다.

설명 가능한 AI가 중요한 이유

투명성인가, 해석 가능성인가

해석 가능한 상황

XAI의 목표

XAI의 기술적 측면

XAI의 기초 이해하기

정확도와 해석 가능성

XAI 소통하기

청중 세분화

정확성과 단순성의 균형 잡기

설명 가능한 AI 소개

이 단원에서는 XAI 기법을 모델 특화, 모델 불가지, 로컬, 글로벌 설명으로 분류해 AI 의사결정 과정을 명확히 합니다. 모델 특화 관점에서는 회귀와 분류를 통해 통찰을 얻고, 블랙박스 모델 해석을 위해 SHAP과 LIME을 소개합니다. 아울러 대규모 언어 모델(LLM)의 복잡성을 다루며, 그 의사결정 과정의 투명성 필요성을 강조합니다.

XAI 기법

Local 또는 global

Options

Model-specific

Model-agnostic

Model-specific 또는 Model-agnostic

모델 특화 설명

회귀와 분류에 대한 비유

의사 결정에서의 블랙박스 모델

모델 불가지론적 설명

SHAP

LIME

Both

SHAP, LIME 또는 둘 다?

XAI에서 SHAP과 LIME의 역할

LLM의 설명 가능성

LLM 이해하기

LLM의 추론

설명 가능한 AI의 기법

이 단원에서는 다양한 분야에서 XAI가 인공지능을 더 쉽고 친숙하게 만드는 변혁적 영향을 살펴봅니다. 설계 단계부터 설명 가능성을 통합해 AI 시스템의 투명성을 높이고 신뢰를 구축하며, 사람과 기계의 더 깊은 협업을 촉진합니다. 실제 사례를 통해 XAI가 복잡한 AI 의사결정을 어떻게 명확히 하고, 다양한 기술 배경의 사용자가 AI 인사이트를 활용해 더 나은 의사결정을 내리도록 돕는지 보여줍니다.

사용자에 맞춘 AI

최종 사용자 관점의 XAI

최종 사용자를 포함하지 않을 때의 위험

처음부터 설계하는 XAI

입사 지원자 심사

디자인 단계에서 XAI 적용하기

온라인 학습을 위한 XAI

실전에서의 XAI

산업별 XAI 요구 사항

AI 시스템을 신뢰하기

XAI의 미래

학제 간 XAI

사전적 개발과 배포

요약

XAI 구현과 활용

이 강의는 종종 난해하게 느껴지는 인공지능의 세계를 이해하기 쉽게 풀어내는 설명 가능한 AI(XAI)를 다룹니다. 비전문가도 이해할 수 있도록 기획된 개념 중심 강의로, AI의 의사결정 과정을 투명하게 만드는 중요성과 방법을 알기 쉽게 설명합니다. 수강자는 XAI의 필요성, 더 넓은 AI 생태계에서의 역할, 그리고 사회적 파급 효과를 살펴봅니다. 강의가 끝나면 다양한 역할의 학습자가 복잡한 알고리즘과 일상적 의사결정 사이의 간극을 XAI가 어떻게 메우는지 이해하게 됩니다.

이 초보자 친화적 강좌로 설명 가능한 인공지능(XAI)의 역할과 현실을 이해하세요.

설명 가능한 인공지능(XAI) 개념

초급자도 이해할 수 있도록 XAI의 역할과 실제 적용 현황을 배우세요.

인공 지능(AI) 리더십

신경망의 고유한 층과 뉴런을 조사해 의사결정을 설명함

결정 트리의 경로를 활용해 특정 결정이 어떻게 내려졌는지 설명함

선형 회귀 모델의 계수를 분석해 특성의 영향력을 이해함

여러 모델에서 특성이 모델 출력에 미치는 영향을 해석함

특정 예측 주변에서 모델의 의사결정을 근사적으로 설명함

다양한 입력으로 모델 행동을 평가하는 범용 기법을 적용함

Model-specific 또는 Model-agnostic

설명 가능한 인공지능(XAI) 개념

실습형 인터랙티브 연습문제