인공지능(AI)은 복잡한 데이터 분석과 고난도 문제 해결에 필수적이며, 식품 공학 분야에서도 엄격한 품질 기준 충족을 위한 정확하고 신뢰할 수 있는 예측의 필요성이 증대되고 있습니다. 그러나 AI 모델의 복잡성 증가는 의사결정 과정의 불투명성을 야기하며, 이는 모델 해석 및 신뢰성 확보에 걸림돌이 됩니다. 특히 식품 품질 관리에서 스펙트럼 이미징을 활용한 AI 모델은 오염 물질 감지나 신선도 평가에 유용하지만, 불투명한 의사결정 과정으로 인해 채택이 제한되는 문제가 있습니다.
이러한 문제를 해결하기 위해 설명 가능한 AI(XAI)…
설명 가능한 인공지능(XAI)의 발전에도 불구하고, 복잡한 AI 모델의 해석과 이해에는 여전히 어려움이 있어 광범위한 채택에 제약이 있습니다. 특히 AI 모델의 투명성과 해석 가능성 부족은 사용자 신뢰를 저해하고 중요한 의사결정 과정에 통합되는 것을 방해합니다. 본 연구는 이러한 문제를 해결하기 위해 XAI의 최근 부상하는 기술들을 탐색합니다.
연구는 AI 모델의 해석 가능성을 높이고 인간이 의사결정 과정을 더 잘 이해하도록 돕는 것을 목표로 합니다. 이를 위해 사후 설명, 모델 투명성 방법, 대화형 시각화 기술 등 다양한 방법론…
