我們將探討可解釋 AI（XAI），強調其在讓 AI 系統更透明、可詮釋且值得信任上的角色。我們會說明 AI 在預測與內容生成上的能力，並凸顯清楚決策流程的必要性。此外，我們也會介紹如何讓複雜的 AI 模型更容易被各種背景的受眾理解。

為什麼 Explainable AI 很重要

透明性或可解釋性

可解釋的情境

XAI 的目標

XAI 的技術面向

理解 XAI 的基礎

準確度與可解釋性

如何溝通 XAI

受眾區隔

在精準與簡潔之間取得平衡

Explainable AI 入門

我們將介紹可解釋 AI（XAI）技術，並依模型專屬、模型不可知、在地（局部）與全域解釋來分類，藉此釐清 AI 的決策方式。我們會以迴歸與分類說明模型專屬的洞見，並介紹 SHAP 與 LIME 以解讀黑盒模型。此外，我們也會談到大型語言模型（LLM）的複雜性，並強調其決策過程透明化的必要性。

XAI 技術

在地（Local）或全域（Global）

Model-specific 或 Model-agnostic

特定模型的解釋

回歸與分類的比喻

決策中的黑箱模型

與模型無關的解釋

SHAP、LIME，或兩者皆是？

SHAP 與 LIME 在 XAI 中的角色

LLM 的可解釋性

理解 LLM

LLM 的推理

Explainable AI 的技術

我們將探討 XAI 的轉型影響，如何讓人工智慧在各領域更容易接近且友善易用。從一開始就融入可解釋性，可確保 AI 系統保持透明，建立信任，並促進人機之間更深入的協作。透過真實案例研究，我們將展示 XAI 如何釐清複雜的 AI 決策，讓具備不同技術背景的使用者都能善用 AI 洞見，做出更明智的決策。

依使用者量身打造的 AI

以終端使用者為中心的 XAI

未納入終端使用者的風險

從設計出發的 XAI

求職者篩選

AI 系統設計

以設計實踐 XAI

線上學習中的 XAI

XAI 實戰

選項

Healthcare 

Finance

Retail

各產業的 XAI 要求

信任 AI 系統

XAI 的未來

跨領域的 XAI

主動式開發與部署

重點回顧

XAI 的實作與應用

本課程將帶你走進可解釋 AI（XAI）的精彩世界，這個領域致力於為常被視為黑盒的人工智慧帶來清晰與可理解性。本概念型課程專為非技術背景的學習者設計，目標是說明讓 AI 決策變得透明的重要性與方法。你將探討 XAI 的必要性、它在更廣泛 AI 版圖中的定位，以及其重要的社會影響。課程最後，來自不同角色的學習者都能理解 XAI 如何在複雜演算法與日常決策之間搭起橋樑。

<h2>了解可解釋人工智慧（XAI）的核心概念</h2>
本課程介紹關鍵的XAI領域，著重於讓複雜的AI演算法變得易於理解與應用。 隨著人工智慧系統日益融入各行各業，對這些技術的透明度與信任需求也隨之提升。 本課程涵蓋XAI的核心概念，包括透明性、可解釋性與問責性，並探討模型複雜度與可解釋性之間的平衡。

<h2>學習 XAI 技術</h2>
您將學習關於特定模型與模型無關的解釋方法，並獲得實用的見解與工具，讓您能夠在專案中有效應用XAI原則。 本課程旨在讓您具備相關知識，能夠讓 AI 系統更加透明、合乎倫理，並與社會價值相符，確保 AI 的決策不僅有效，同時也具備正當性且易於理解。

<h2>在現實世界中實踐 XAI</h2>
在本課程結束時，您將對 XAI 及其在 AI 解決方案開發中的重要性有紮實的理解，並能夠運用這些原則，提升 AI 系統在實際應用中的透明度與可信度。


透過這門初學者友好的課程，了解可解釋人工智慧（XAI）的角色和現實應用。

Explainable Artificial Intelligence (XAI) 概念

掌握Explainable Artificial Intelligence (XAI)的角色與實務應用，適合初學者快速入門。 

人工智慧（AI）領導力

跨領域的 XAI

Explainable Artificial Intelligence (XAI) 概念

動手互動練習