Детальная информация
| Название | Объяснимый искусственный интеллект в системах поддержки принятия решений // Промышленный искусственный интеллект (ПИИ'2025): Всероссийская научно-практическая конференция с международным участием 3–4 июля 2025 года: cборник научных трудов |
|---|---|
| Авторы | Макарова Арина Александровна ; Малыхина Галина Федоровна |
| Организация | Санкт-Петербургский политехнический университет Петра Великого |
| Выходные сведения | Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2025 |
| Коллекция | Общая коллекция |
| Тип документа | Статья, доклад |
| Язык | Русский |
| DOI | 10.18720/SPBPU/2/id25-522 |
| Права доступа | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
| Дополнительно | Новинка |
| Ключ записи | RU\SPSTU\edoc\77839 |
| Дата создания записи | 22.12.2025 |
Разрешенные действия
–
Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
| Группа | Анонимные пользователи |
|---|---|
| Сеть | Интернет |
В статье рассматривается проблема «черного ящика» в системах поддержки принятия решений (СППР) в промышленности, применяющих методы искусственного интеллекта (ИИ). Непрозрачность влечет за собой недоверие к решениям и затрудняет внедрение таких систем. Представлен обзор популярных Model-Agnostic методов объяснимого ИИ (XAI), направленных на повышение прозрачности и интерпретируемости моделей. Приведены примеры применения XAI в промышленных СППР для прогнозирования качества продукции и оптимизации производственных процессов. Целью статьи является ознакомление с основными подходами XAI и демонстрация их потенциала для повышения эффективности и доверия к ИИ-решениям в промышленной сфере.
The article examines the problem of a “black box” in decision support systems (DSS) in industry using artificial intelligence (AI) methods. Opacity leads to distrust of solutions and makes it difficult to implement such systems. An overview of popular Model-Agnostic explicable AI (XAI) methods aimed at increasing transparency and interpretability of models is presented. Examples of the use of XAI in industrial DSS for predicting product quality and optimizing production processes are given. The purpose of the article is to introduce the main approaches of XAI and demonstrate their potential to increase efficiency and confidence in AI solutions in the industrial sector.
| Место доступа | Группа пользователей | Действие |
|---|---|---|
| Локальная сеть ИБК СПбПУ | Все |
|
| Интернет | Авторизованные пользователи СПбПУ |
|
| Интернет | Анонимные пользователи |
|
Количество обращений: 0
За последние 30 дней: 0
