Concevoir des modèles qui montrent leur raisonnement
PROPOS RAPPORTÉS
Cynthia Rudin défend des modèles dont les calculs peuvent être compris, en particulier lorsque leurs décisions ont des conséquences médicales ou judiciaires. Elle distingue cette interprétabilité des explications approximatives ajoutées à une boîte noire. Ses exemples de raisonnement par cas en imagerie montrent qu’une meilleure lisibilité peut, dans les tâches étudiées, conserver la précision prédictive.
Synthèse en français, sans citation littérale. Elle ne représente pas l’intégralité de la source.
Crédits et licences
Illustration générée par IA, et non photographie documentaire.
Portrait cartoon généré par IA de Cynthia Rudin. Référence d’apparence : Cynthia Rudin / Duke University ; photographe non précisé. Photographie source non republiée.
Modifications : Illustration cartoon à contours encrés et ombres peintes ; nouvelle composition tête-épaules et fond noir, violet et magenta ; reflet violet discret. Déclinaisons WebP pour l’affichage web, sans recadrage supplémentaire.
Une illustration éditoriale ne constitue pas un soutien ou une affiliation de la personne représentée à MIND AI THINK TANK.
Les personnes référencées ne sont pas présentées comme membres, partenaires ou soutiens de MIND AI THINK TANK. Leurs interventions sont étudiées comme sources publiques.
D’autres regards sur ces domaines
Des interventions publiques indépendantes, rapprochées par leurs thèmes.
Isaac BayohConcevoir une IA attentive aux langues et aux cultures africaines
Sara HookerSara Hooker : les données des entreprises, un enjeu d’autonomie face à l’IA
Anima AnandkumarAnima Anandkumar : construire une IA adaptée aux phénomènes physiques
Alex KarpAlex Karp : responsabilité, partage des gains et protection des données
