AI u sjeni: trik je u onome što ne vidimo

U izlaganju "AI u sjeni" publika će kroz kratke, vizualne demonstracije vidjeti kako i ljudi i modeli umjetne inteligencije popunjavaju praznine u slučajevima kada imamo nedovoljno informacija, te kako se u tom procesu može pojaviti pristranost (bias).

Na početku izlaganja polaznicima će biti prezentirana dva primjera kroz koja će im biti demonstriran postupak kompresije i rekonstrukcije informacija koji će jedan od glavnih uzroka pristranosti u modelima strojnog učenja. Isti princip će biti prikazan i na primjeru arhitekture umjetne neuronske mreže (autoenkodera) koja komprimira ulaz te ga zatim na izlazu pokušava rekonstruirati. Na primjerima rekonstrukcije i vizualizacije "mape dekodera" pokazuje se kako model u uvjetima nepotpunog ili neuobičajenog ulaza može proizvesti "očekivani" izlaz koji odražava naučenu pristranost (GIGO efekt).

U drugom dijelu će biti prikazano kako modeli grade unutarnju mapu svijeta kroz reprezentacije (latentni prostor) te kako objašnjivost promatrati na tri razine: lokalno, globalno i kroz reprezentacije.

Na kraju izlaganja će biti predstavljeni praktični koraci za rad u stvarnim sustavima: kako prepoznati potencijale probleme te kako ih adresirati kroz poboljšanje podataka te kalibraciju i nadzor modela nakon puštanja u rad.

Ciljana grupa: Nastavnici i stručni suradnici koji koriste ili planiraju koristiti AI alate u nastavi i školsim procesima. Tema može biti korisna i IT administratorima i osobama za razvoj i evaluaciju digiralnih sadržaja i platformi.

Predznanja: Nije potrebno napredno poznavanje matematike i/ili metoda strojnog učenja. Poželjno je osnovno razumijevanje rada AI sustava i upravljanja podacima jer izlaganje sadrži praktične okvire za objašnjivost, prepoznavanje pristranosti i savjete za implementaciju.

Broj sudionika:

Uvjeti za sudjelovanje na radionici: