Towards Verified and Targeted Explanations through Formal Methods

Dieses Papier stellt ViTaX vor, ein formales XAI-Framework, das zur Generierung zielgerichteter semifaktischer Erklärungen mit mathematischen Garantien entwickelt wurde. Es behebt die Mängel bestehender XAI-Methoden bei der Bereitstellung vertrauenswürdiger Erklärungen für tiefe neuronale Netze in sicherheitskritischen Bereichen wie autonomes Fahren und medizinische Diagnose.