Zukunft von XAI

Konzeptuelle Grundlagen von erklärbarer KI (XAI)

Folkert Stijnman

ML Engineer

Fortschritte bei Interpretierbarkeits­techniken

  • Mit wachsender Komplexität steigt der Bedarf an XAI
  • Fortgeschrittene modellunabhängige Methoden
  • Visualisierungstools
  • Interaktive Oberflächen

Screenshot des Titels eines Papers: XAI for All: Can Large Language Models Simplify Explainable AI?

1 Mavrepis, P., Makridis, G., Fatouros, G., Koukos, V., Separdani, M. M., & Kyriazis, D. (2024). XAI for All: Can Large Language Models Simplify Explainable AI?. arXiv preprint arXiv:2401.13110.
Konzeptuelle Grundlagen von erklärbarer KI (XAI)

Skalierbarkeits­herausforderung angehen

  • XAI-Techniken brauchen viel Rechenleistung
  • XAI muss mit wachsender KI-Nutzung skalieren
  • Integration mit Cloud-Computing

Grafik mit mehreren KI-Systemen

Konzeptuelle Grundlagen von erklärbarer KI (XAI)

Interdisziplinäre Ansätze für XAI

  Grafik: Menschen unterschiedlicher Herkunft arbeiten zusammen

 

  • KI mit Sozial- und Geisteswissenschaften verbinden
  • Zusammenarbeit von KI-Forschenden, Ethiker:innen, Psycholog:innen und Sozialwissenschaftler:innen
  • UX-Design einbeziehen
Konzeptuelle Grundlagen von erklärbarer KI (XAI)

Zukünftige Herausforderungen

  • Wachsende Nutzung von LLMs
  • Mehr Regulierung, z. B. der EU AI Act
  • Achte auf Datenschutz, Bias und ethische Folgen aller KI-Systeme

Grafik, die eine Zukunft mit wachsender KI zeigt

1 https://artificialintelligenceact.eu/
Konzeptuelle Grundlagen von erklärbarer KI (XAI)

Lass uns üben!

Konzeptuelle Grundlagen von erklärbarer KI (XAI)

Preparing Video For Download...