Il Progetto AI
Prendere decisioni basate sui dati può aiutare i governi e i leader aziendali a creare politiche e strategie migliori. Tuttavia, la natura complessa dei modelli basati sui dati rende spesso difficile la comprensione completa delle informazioni e la loro applicazione efficace.
Nella nostra ricerca, suggeriamo un modo per utilizzare un sistema di intelligenza artificiale (AI) in grado di avvertirci in anticipo di potenziali conflitti. Miglioriamo la trasparenza del sistema e la sua comprensione utilizzando una tecnica chiamata “gradienti integrati”. Questo approccio aiuta tutti, non solo gli esperti di dati, a sentirsi più sicuri delle raccomandazioni dell’IA.
168
Paesi
42
Modelli di Dati
2
Università
21
Ricercatori
Abbiamo testato il nostro metodo utilizzando il set di dati ACLED, un set di dati speciale che copre eventi e disordini in tutto il Mondo.
Il nostro approccio aiuta a rendere più chiare le decisioni dell’IA, rendendo più semplice per i leader fidarsi e agire in base alle previsioni.
● Scopo: miriamo ad aiutare i leader a prendere decisioni migliori
utilizzando l’intelligenza artificiale senza dover essere esperti di dati.
● Problema: la complessità dei modelli di intelligenza artificiale
spesso rende difficile per i non esperti capirli e fidarsi di loro.
● Soluzione: utilizziamo un metodo chiamato “gradienti integrati”
per creare l’intelligenza artificiale previsioni più facili da comprendere.
● Test: lo abbiamo provato utilizzando i dati sui conflitti globali (dati ACLED)
e l’abbiamo trovato può aiutare i leader a cogliere meglio i suggerimenti dell’IA.
DATI ACLED
Il totale degli eventi raccolti da ACLED dal 1997 supera i due milioni. La struttura dei dati all’interno di questo set di dati è meticolosamente progettata per acquisire e organizzare le informazioni essenziali per un’analisi completa delle dinamiche dei conflitti. Fondamentalmente, i dati ACLED ruotano attorno a descrizioni dettagliate degli eventi, che comprendono la data, l’ora e il luogo di ciascun evento registrato. Queste informazioni sono vitali per comprendere le dimensioni temporali e spaziali dei conflitti. Inoltre, ACLED fornisce approfondimenti sulla natura degli eventi, compresi gli attori coinvolti e le caratteristiche di ciascun incidente. Questa categorizzazione consente ai ricercatori e agli analisti di discernere modelli di conflitto, identificare le principali parti interessate e valutare l’intensità e i risultati dei vari eventi. Fondamentale per l’affidabilità dei dati ACLED è il suo rigoroso processo di verifica, che documenta le fonti di informazione per ciascun evento. Questa trasparenza migliora la credibilità e l’affidabilità dei dati, essenziali per un processo decisionale informato e per la ricerca accademica. Inoltre, le dimensioni temporali e geospaziali di ACLED aggiungono profondità alle sue capacità analitiche.
Organizzando i dati in ordine cronologico e georeferenziando i luoghi degli eventi, ACLED consente ai ricercatori di condurre analisi temporali e spaziali, identificando tendenze temporali e punti caldi spaziali nell’attività di conflitto.
Approccio XAI – Variabili Influenti.
Abbiamo identificato i fattori che influenzano maggiormente le nostre previsioni.
Nella Figura 1, il boxplot illustra l’importanza delle varie variabili in tutti i paesi analizzati.
o Un valore pari a 1 significa che una variabile ha avuto un impatto maggiore.
o Un valore pari a 0 significa che non ha avuto alcun impatto.
o I valori compresi tra 0 e 1 indicano diversi livelli di importanza.
(Per una migliore visione dei grafici ⇒ monitor orizzontale)
Approccio XAI – Rilevanza temporale.
Abbiamo esaminato l’importanza del passato per le previsioni.
Nella Figura 2, la timeline mostra quali settimane passate sono state più importanti per fare previsioni.
Le settimane più recenti tendono a essere più rilevanti, ma in generale tutte le settimane hanno un certo livello di importanza.
(Per una migliore visione dei grafici ⇒ monitor orizzontale)
