MELHORAR A EXPLICABILIDADE DA REDE NEURAL IBD

Sinopse

A Inteligência Artificial (IA) baseada em redes neuronais é crucial em muitas aplicaçoes, como sistemas de recomendaçao, traduçao de línguas, redes sociais, chatbots, correçao ortográfica, etc. No entanto, estas redes sao frequentemente criticadas por serem 'caixas negras', o que suscita preocupaçoes quanto à sua explicabilidade, especialmente em domínios sensíveis como os cuidados de saúde, a conduçao autónoma, etc. Os métodos existentes para melhorar a explicabilidade, como a importância das caraterísticas, carecem frequentemente de clareza e interpretabilidade. Para resolver este problema, foi desenvolvida a Rede Neural Orientada para Objectos para Melhorar a Explicabilidade (OONNIE). A OONNIE utiliza a modelaçao orientada para objectos para combinar a perda e o peso da ligaçao para calcular a importância das caraterísticas e integra regras específicas do domínio através da extensibilidade da OOP. O modelo enfatiza a transparência algorítmica, detalhando cada passo do treino. Avaliado nas funçoes XOR e XNOR, o OONNIE apresenta resultados promissores em termos de importância das caraterísticas, reduçao mais rápida das perdas e previsoes melhoradas após a integraçao das regras do domínio. Isto marca uma contribuiçao significativa para a IA explicável, tornando o OONNIE uma ferramenta valiosa para o desenvolvimento de sistemas de IA fiáveis.