Обсуждение:Проблема объяснимости в ИИ: философский аспект

В статье удели особенное внимание этим разделам: -Эпистемическая непрозрачность «чёрных ящиков». Что мы теряем в плане понимания, когда полагаемся на решения нейросетей, которые не можем интерпретировать? Является ли это новой формой «незнания»? -Объяснимость как этический императив. В каких сферах (медицина, юриспруденция) отсутствие объяснения неприемлемо не только технически, но и морально? Может ли алгоритм быть «справедливым», если мы не понимаем логики его решений? -Компетенция без понимания: иллюзия интеллекта. Может ли система демонстрировать высокую компетентность в решении задач, не обладая при этом ни малейшим пониманием того, что она делает? И если да, то что это говорит о природе самого «понимания»?

Целевая аудитория - это студенты и инженеры в области анализа данных и машинного обучения, в том числе начинающие. Статья должна быть полезна как новичку (понятно даются определения, популярно объясняются идеи), так и профессионалу (есть полезные ссылки, приводятся актуальные научные результаты).

Для вики-энциклопедии по машинному обучению важна связность. Поэтому термины из области машинного обучения и искусственного интеллекта, названия методов должны быть оформлены как внутренние ссылки, желательно с англоязычным термином в скобках, например Анализ «что-если» (What-If Analysis).

Не выдумывай факты. Ищи надёжные источники в научной литературе. Добавляй ссылки на них в текст статьи. В конце собери список научной литературы. Всегда проверяй корректность ссылок.