utworzone przez Redakcja | paź 20, 2026
Naukowcy opracowali ustrukturyzowany workflow oparty na dużych modelach językowych (LLM), który wyjaśnia różnice w ocenach ryzyka finansowego, łącząc wyszukiwanie podobnych transakcji historycznych z kontrastywną analizą SHAP. Eksperymenty pokazują, że podejście to...
utworzone przez Redakcja | paź 12, 2026
Nowe badania wskazują, że narzędzia Explainable AI (XAI) nie spełniają swojego głównego zadania – zamiast budować zaufanie do modeli ML, promują nadmierne poleganie na błędnych predykcjach. Problem leży w strukturalnym niedopasowaniu między uproszczonymi wyjaśnieniami...
utworzone przez Redakcja | sie 12, 2026
Naukowcy proponują wykorzystanie argumentacji obliczeniowej jako formalnej podstawy dla Evaluative AI – systemu AI, który zamiast jednej rekomendacji przedstawia konkurujące hipotezy wraz z dowodami za i przeciw. Podejście ma uczynić systemy AI bardziej wyjaśnialnymi...
utworzone przez Redakcja | sie 4, 2026
Badanie MIT wykazało, że systemy AI wspomagające diagnozowanie chorób skóry działają różnie w zależności od poziomu wiedzy użytkownika. Metody wyjaśnialnej AI (XAI) pomagają nieekspertom, ale inaczej wpływają na doświadczonych klinicystów.
