Interpretierbares Deep Learning gehört zur Kategorie Künstliche Intelligenz und ist besonders wichtig für Bereiche wie Automatisierung und Digitale Transformation. Deep Learning beschreibt eine Form des maschinellen Lernens, bei der Computer selbstständig aus großen Datenmengen lernen. Oft bleibt dabei aber unklar, wie genau ein Computer zu seinen Entscheidungen kommt – das nennt man eine „Black Box“.
Interpretierbares Deep Learning bedeutet, dass wir nachvollziehen können, warum ein Algorithmus eine bestimmte Entscheidung trifft. Das ist zum Beispiel in der Medizin sehr wichtig: Wenn eine Künstliche Intelligenz Krebs im Bild erkennt, möchten Ärztinnen und Ärzte verstehen, welche Merkmale im Bild die entscheidende Rolle gespielt haben. Mit interpretierbarem Deep Learning lassen sich solche Entscheidungswege sichtbar machen, zum Beispiel durch farbige Markierungen im Bild.
Dadurch steigt das Vertrauen in die Technologie und Fehler können besser erkannt werden. Gleichzeitig hilft interpretierbares Deep Learning Unternehmen dabei, transparente Entscheidungen zu treffen – etwa bei der automatisierten Auswahl von Bewerberinnen und Bewerbern im HR-Bereich. Zusammengefasst hilft es uns, Künstliche Intelligenz besser zu verstehen und verantwortungsvoll einzusetzen.
Deutsch 
English (UK)