What is it about?
Com o grande avanço da inteligência artificial, os algoritmos têm conseguido atingir resultados cada vez mais precisos para diferentes problemas. Porém, muitas vezes é impossível entender o motivo de um dado resultado. Este trabalho aplicou um algoritmo considerado explicável de Inteligência Artificial para tentar explicar os resultados obtidos por um algoritmo que pode ser considerado caixa-preta.
Featured Image
Photo by Ruthson Zimmerman on Unsplash
Why is it important?
Neste trabalho foram contrastados os resultados de um algoritmo considerado caixa-preta e de um algoritmo explicável, verificando-se o desempenho de ambos ao serem aplicados em um mesmo problema, bem como analisando a aplicação do algoritmo explicável para tentar entender e explicar os resultados obtidos pelo algoritmo caixa-preta.
Perspectives
Read the Original
This page is a summary of: A study about Explainable Articial Intelligence: using decision tree to explain SVM, Revista Brasileira de Computação Aplicada, January 2020, UPF Editora,
DOI: 10.5335/rbca.v12i1.10247.
You can read the full text:
Contributors
The following have contributed to this page