Bessere Algorithmen und schnellere Innovation. Xavier ermöglicht Fehler bei Deep-Learning Modellen zu vermeiden, die optimale Nutzung verschiedener Modelle und bessere Ergebnisse.
Ein am Know Center entwickeltes Tool hilft Nutzern nun interaktiv dabei, die Schlussfolgerungen von Deep-Learning Modellen tiefgehend zu verstehen und dabei Erklärungen zu optimieren und zu beschleunigen.
Deep-Learning Modelle haben große Fortschritte in den Bereichen des autonomen Fahrens, der Patientendiagnostik, Sprachübersetzung und vielen weiteren ermöglicht – jedoch sind sie unglaublich komplex. Durch diese Komplexität bleibt dem Menschen oftmals verborgen, warum ein Algorithmus zu bestimmten Entscheidungen kommt und welche Hintergründe die KI-Erkenntnisse beeinflussen. Mängel oder Fehler in der Auswertung können somit nicht sofort identifiziert werden, was ernste Folgen nach sich ziehen kann. Um dem entgegenzukommen, entwickelte das Know Center XAIVIER.
XAIVIER, eine Webanwendung für interaktive erklärbare KI mit Fokus auf Zeitreihen, hilft Nutzern bei der Erkundung und der richtigen Auswahl einer geeigneten Erklärungsmethode für ihren Datensatz und ihr Modell. Die richtige Auswahl einer geeigneten Methode ist essenziell, denn nur so können potenzielle Fehler im Modell effektiv erkannt werden.
Das Tool ist einzigartig, indem es dabei einen Erklärungs- und Empfehlungsdienst anbietet.
Die Anwendung liefert Informationen darüber, warum eine Erklärungsmethode für die entsprechende Aufgabe geeignet ist oder gar vermieden werden sollte. Die Anwendung kann den Nutzer somit in vielerlei Hinsicht unterstützen, wie bei der Erkenntnis, ob ein Modell falsch gelernt hat, bei der Überprüfung, ob das Modell Vorhersagen auf Grundlage der richtigen Datencharakteristika trifft und vielem mehr.
XAIVIER’s Demo ist inzwischen öffentlich zugänglich und erwartet erste Anwendungen durch neugierige Nutzer: https://xai-explorer-demo.know-center.at