书籍@科学技术@用Python的可解释AI

全文概述

本书《用Python的可解释AI》第二版更新并扩展了可解释人工智能领域的最新进展，涵盖多模态系统、内在可解释模型、模型无关方法及生成模型等内容。通过丰富的案例和实践技术，帮助读者掌握在实际环境中应用XAI方法所需的技能。

可解释人工智能的最新进展

本书介绍了可解释人工智能（XAI）领域的最新进展，包括大型语言模型和多模态系统的应用。强调在不牺牲性能的情况下使复杂系统可解释，并提供了多种新的研究和技术。

内在可解释模型

扩展了‘内在可解释模型’章节，深入探讨广义附加模型和其他内在技术，通过新示例和用例丰富内容，帮助读者更好地理解内在可解释AI模型。

模型无关方法

详细介绍了‘可解释AI的模型无关方法’，重点关注训练集和测试集之间解释的差异，并包含一个新模型以更清晰有效地阐释这些差异。

科学研究中的XAI

新增章节展示了利用机器学习和XAI进行科学研究的方法，通过互动且引人入胜的界面展示XAI的基本功能，使读者更容易理解这一概念。

对抗性机器学习与可解释性

修订了‘对抗性机器学习和可解释性’章节，包括代码审查，确保代码示例保持最新并针对当前最佳实践进行了优化。

生成模型与大型语言模型

新增章节专门讨论生成模型和大型语言模型，探讨它们在XAI中的作用以及如何使用它们创建更具互动性和隐私保护的解释。