AI訓練時需要大量的資料，不過難免數據會有缺失或因類型出錯，導致訓練出來的品質變差，又或者是實際的模型和訓練數據在分布存在落差導致AI準確性下降的情況。這些衍生的議題就是所謂的AI黑箱，特別是神經網路層層堆疊許多參數和權重，連技術人員都無法解釋AI是如何進行決策。Fiddler AI透過打造可觀察性的平台，透過可解釋性分析與模型監控，觀察上線前的AI模型品質，以及模型上線後是否出錯，讓整個AI模型更加可靠。歡迎收聽本集分享！
本集講者：主持人 楊淳安/產業分析師
與談嘉賓：郭唐帷/產業分析師
推薦產業研究資料庫：創新事業營運模式
延伸閱讀：Fiddler AI ：撥開AI黑箱迷霧的模型監管者
留言告訴我你對這一集的想法： https://open.firstory.me/user/cl0bwfpls02rt0847zq8ru6js/comments
