Μεθοδολογία για διαδραστική επιλογή μετρικών και μεθόδων στο πλαίσιο της Αξιόπιστης Τεχνητής Νοημοσύνης

Abstract

Η αλγοριθμική δικαιοσύνη αποτελεί κρίσιμο ζήτημα στη σύγχρονη τεχνητή νοημοσύνη, κα- θώς τα μοντέλα μηχανικής μάθησης συχνά ενσωματώνουν προκαταλήψεις που επηρεάζουν τις αποφάσεις τους. Η παρούσα διπλωματική εργασία αναπτύσσει μια διαδραστική εφαρμογή που επιτρέπει στους χρήστες να αναλύουν, να κατανοούν και να μετριάζουν την προκατάλη- ψη στα μοντέλα τους μέσω οπτικοποιήσεων, προσαρμοσμένων μετρικών και μεθόδων βελ- τίωσης της δικαιοσύνης. Η εφαρμογή αξιολογείται σε πραγματικά datasets, αναδεικνύοντας τη σημασία της επιλογής κατάλληλων στρατηγικών ανάλογα με το πρόβλημα. Τα αποτε- λέσματα δείχνουν ότι οι μέθοδοι μετριασμού των προκαταλήψεων μπορούν να βελτιώσουν τη δικαιοσύνη του μοντέλου, αλλά η επιλογή τους απαιτεί προσεκτική εξισορρόπηση με την ακρίβεια. Η εργασία συμβάλλει στη δημιουργία πιο διαφανών και υπεύθυνων συστημάτων ΤΝ, παρέχοντας ένα πρακτικό εργαλείο για την αντιμετώπιση της αλγοριθμικής προκατάλη- ψης