🎓 M2 - XAI : eXplainable Artificial Intelligence

Présentation

L’un des défis principaux de la recherche en apprentissage actuellement est la définition d’IA de confiance, concept qui recouvre de nombreuses dimensions parmi lesquelles on peut citer: l’IA interprétable (eXplainable AI), l’IA équitable (fairness), l’IA responsable.

Cette UE traite de ces questions et aborde, en particulier, les points suivants :

• définitions d’explications, critères d’interprétabilité
• interprétabilité par design : apprentissage interprétable de modèles interprétables
• interprétabilité post-hoc : LIME, SHAP, génération d’exemples contrefactuels
• approches logiques d’interprétabilité : abduction, causalité, logiques graduelles
• aspects éthiques, éthique computationnelle

Charge

• 2 séances de CM/TD/TP (4hCM + 4hTD ; 25 étudiant·e·s)

Liens

• Site du cours