مدلهای هوش مصنوعی وقتی به خوشهبندی دادهها میرسند، اغلب به صورت «جعبه سیاه» عمل میکنند. حالا محققان فریمورک جدیدی به نام VoICE را معرفی کردهاند که به جای تحلیلهای پیچیده، از رویکرد «ضدواقعی» (Counterfactual) استفاده میکند.
این مدل با استفاده از هندسه خوشهها (Voronoi)، به ما میگوید که چه تغییراتی لازم است تا یک داده، از یک خوشه به خوشه دیگر منتقل شود. این کار باعث میشود تصمیمات مدلهای خوشهبندی نه تنها دقیقتر باشند، بلکه برای انسان نیز قابلفهم و منطقیتر به نظر برسند. گامی مهم برای افزایش شفافیت در یادگیری ماشین! 🤖📈
منبع: arXiv Machine Learning