Erklärbare KI: Quizfragen und Übungen für Studierende der Informatik

Question 1

In welchem Bereich des maschinellen Lernens trägt die Erklärbarkeit dazu bei, die Zuverlässigkeit von Prognosen selbstfahrender Autos zu erhöhen?

Accepted Answer

Automobilindustrie

Answer

Medizin

Answer

Finanzwesen

Answer

Einzelhandel

Question 2

Welches Kriterium spielt eine maßgebliche Rolle bei der Beurteilung der Qualität von Erklärungen im maschinellen Lernen?

Accepted Answer

Alle genannten Kriterien

Answer

Relevanz

Answer

Vollständigkeit

Answer

Verständlichkeit

Question 3

Welche Herausforderung tritt bei der Erklärung komplexer Modelle des maschinellen Lernens auf?

Accepted Answer

Alle genannten Herausforderungen

Answer

Hohe Dimensionalität

Answer

Nichtlineare Beziehungen

Answer

Interaktionen zwischen Merkmalen

Question 4

Welcher Ansatz berücksichtigt Kontextinformationen bei der Erklärung von Modellvorhersagen?

Accepted Answer

Lokale erklärbare Modelle

Answer

Globale erklärbare Modelle

Answer

Modellbasierte erklärbare Modelle

Answer

Datenbasierte erklärbare Modelle

Question 5

Was ist das Hauptziel von erklärbarem Maschinellem Lernen?

Accepted Answer

ML-Modelle für Menschen verständlich machen

Answer

Nur komplexe Modelle erklärbar machen

Answer

Alle ML-Modelle vollständig erklärbar machen

Answer

Erklärbares Maschinelles Lernen hat keine praktischen Anwendungen

Question 6

In welchem Bereich werden Erklärbare Maschinelle Lernmodelle häufig angewendet, um Vorhersagen zum Kreditrisiko zu erläutern?

Accepted Answer

Finanzwesen

Answer

Medizin

Answer

Einzelhandel

Answer

Fertigung

Question 7

Nennen Sie eine allgemeine Kategorie von Erklärungsmethoden, die darauf abzielt, die Funktionsweise eines Modells durch Regeln oder Beispiele zu beschreiben.

Accepted Answer

Modellbasierte Erklärungen

Answer

Attributionsbasierte Erklärungen

Answer

Visualisierungsbasierte Erklärungen

Answer

Counterfactual-Erklärungen

Question 8

Nennen Sie ein ethisches Anliegen, das beim Einsatz Erklärbarer Maschineller Lernmodelle bedacht werden sollte.

Accepted Answer

Mögliche Diskriminierung von Minderheitengruppen

Answer

Einschränkung der Autonomie von Individuen

Answer

Reduzierung der Effizienz

Answer

Erhöhte Kosten

Question 9

Welche Aussage trifft auf die Zukunft von Erklärbarem Maschinellem Lernen zu?

Accepted Answer

Es wird eine wachsende Nachfrage nach Erklärbaren Modellen geben.

Answer

Erklärbare Modelle werden herkömmliche Modelle vollständig ersetzen.

Answer

Die Entwicklung von Erklärbaren Modellen wird stagnieren.

Answer

Erklärbare Modelle werden nur in wenigen Nischenanwendungen eingesetzt.

Question 10

Welche Methode dient der Bewertung der globalen Erklärungskraft eines Modells?

Accepted Answer

Fidelity-Metriken

Answer

SHAP-Werte

Answer

LIME

Question 11

Welche Methode wird **nicht** zur Erklärbarkeit von Vorhersagen in Maschinellem Lernen eingesetzt?

Accepted Answer

Gradient Boosting Machines

Answer

LIME

Answer

SHAP

Answer

Anchors

Question 12

Welche Aussage über Explainable AI (XAI) ist richtig?

Accepted Answer

XAI zielt darauf ab, Entscheidungen von ML-Modellen transparent und nachvollziehbar zu machen.

Answer

XAI konzentriert sich nur auf die Erklärung einzelner Vorhersagen.

Answer

XAI ist nur für äußerst komplexe ML-Modelle relevant.

Answer

XAI ist ein etabliertes Feld, das sich nicht mehr weiterentwickelt.

Question 13

Welche Eigenschaft ist **nicht** typisch für erklärbare ML-Modelle?

Accepted Answer

Höchstmögliche Genauigkeit

Answer

Vereinfachung

Answer

Interpretierbarkeit

Answer

Nachvollziehbarkeit

Question 14

Welche Erklärbarkeitsmethode basiert auf dem Konzept der Spieltheorie?

Accepted Answer

SHAP

Answer

LIME

Answer

Anchors

Answer

Permutation Feature Importance

Question 15

Welche Methode wird häufig zur Erklärung von Vorhersagen von ML-Modellen verwendet?

Accepted Answer

SHAP-Werte

Answer

Deep Learning

Answer

Clustering

Answer

Naive Bayes

Question 16

Welche Technik kann zur Verbesserung der Erklärbarkeit von Deep-Learning-Modellen beitragen?

Accepted Answer

Neuronale Visualisierung

Answer

Dropout

Answer

L1-Regularisierung

Answer

Ensemble-Methoden

Question 17

Was ist das primäre Ziel des Erklärbaren Maschinellen Lernens?

Accepted Answer

Erläuterung der Vorhersagen und Entscheidungen, die von Modellen des Maschinellen Lernens getroffen werden

Answer

Verbesserung der Vorhersagegenauigkeit von Modellen

Answer

Verringerung der Trainingszeit für Modelle des Maschinellen Lernens

Answer

Erkennung von Anomalien in Datensätzen

Question 18

Wie trägt Transparenz zu Modellen des Erklärbaren Maschinellen Lernens bei?

Accepted Answer

Ermöglicht den Anwendern, die internen Abläufe des Modells zu verstehen

Answer

Garantiert die Unvoreingenommenheit des Modells

Answer

Bietet eine vollständige Erklärung aller Vorhersagen

Answer

Ist für alle Benutzertypen leicht verständlich

Question 19

Welche Rolle spielen Hypothesentests bei der Bewertung von Modellen des Erklärbaren Maschinellen Lernens?

Accepted Answer

Überprüfung der Gültigkeit von Erklärungen

Answer

Erkennung von Verzerrungen in Daten

Answer

Verbesserung der Vorhersagegenauigkeit des Modells

Answer

Vereinfachung der Interpretierbarkeit des Modells

Question 20

Was ist das vorrangige Ziel von Erklärbarem Maschinellem Lernen?

Accepted Answer

Die Entscheidungen von Modellen transparent und nachvollziehbar zu machen

Answer

Die Genauigkeit von Modellen zu verbessern

Answer

Die Effizienz von Modellen zu steigern

Answer

Die Kosten von Modellen zu senken

Question 21

Welche der folgenden Maßnahmen kann die Erklärbarkeit von Modellen des Maschinellen Lernens verbessern?

Accepted Answer

Alle oben genannten Maßnahmen

Answer

Verwendung von Entscheidungsbäumen anstelle von neuronalen Netzen

Answer

Vereinfachung komplexer Modelle

Answer

Bereitstellung visueller Erklärungen

Question 22

Welchen Vorteil bietet Erklärbares Maschinelles Lernen im Finanzwesen?

Accepted Answer

Alle oben genannten Vorteile

Answer

Verbesserte Entscheidungsfindung bei Investitionen

Answer

Erhöhte Transparenz in Finanztransaktionen

Answer

Geringeres Risiko von Betrug

Question 23

Welche der folgenden Herausforderungen besteht beim praktischen Einsatz von Erklärbarem Maschinellem Lernen?

Accepted Answer

Alle oben genannten Herausforderungen

Answer

Mangel an qualifizierten Fachkräften

Answer

Hohe Kosten für Implementierung und Wartung

Answer

Mangel an geeigneten Erklärungstechniken für komplexe Modelle

Question 24

Welche Anwendung von Erklärbarem Maschinellem Lernen kann die Sicherheit verbessern?

Accepted Answer

Erkennung von Anomalien in Cybersecurity-Systemen

Answer

Empfehlung von Sicherheitsmaßnahmen

Answer

Überwachung von Lieferketten

Answer

Vorhersage von Kriminalitätsraten

Question 25

Wie wird ein partieller Abhängigkeitsplot zur Erklärung von Modellen verwendet?

Accepted Answer

Darstellung der Abhängigkeit von Vorhersagen von einzelnen Merkmalen

Answer

Identifizierung von Wechselwirkungen zwischen Merkmalen

Answer

Berechnung der Bedeutung von Merkmalen

Answer

Visualisierung der Randverteilung von Vorhersagen

Question 26

Welche Metrik wird verwendet, um die Erklärbarkeit eines Modells quantitativ zu bewerten?

Accepted Answer

FIDEL-Maß

Answer

MAE

Answer

AUC

Answer

R2

Question 27

Wie erklären Entscheidungsbäume Vorhersagen?

Accepted Answer

Bereitstellung von Regeln, die zu Vorhersagen führen

Answer

Identifizierung der wichtigsten Merkmale für die Vorhersage

Answer

Visualisierung der Abhängigkeit von Vorhersagen von Merkmalen

Answer

Berechnung der Wahrscheinlichkeit von Vorhersagen

Question 28

Welche Herausforderung besteht bei der Erklärung von Modellen des maschinellen Lernens, die nichtlineare Beziehungen modellieren?

Accepted Answer

Komplexe und schwer zu visualisierende Abhängigkeiten zwischen Merkmalen

Answer

Schwierigkeiten bei der Interpretation der Regeln, die zu Vorhersagen führen

Answer

Rechenintensive Berechnungen zur Erklärung von Vorhersagen

Answer

Hohe Anzahl von Parametern, die schwer zu erklären sind

Question 29

Welches zentrale Ziel verfolgt erklärbares maschinelles Lernen (XAI)?

Accepted Answer

Erklärung von Vorhersagen und Entscheidungen von ML-Modellen für menschliche Nutzer

Answer

Ersetzen traditioneller ML-Algorithmen

Answer

Begrenzung der Modellkomplexität

Question 30

Welche der folgenden Methoden ist eine weit verbreitete Technik zur Erklärung von Baumbasierten Modellen?

Accepted Answer

SHAP-Werte (Shapley Additive Explanations)

Answer

PCA (Principal Component Analysis)

Answer

K-Means-Clustering

Answer

Lasso-Regression

Question 31

Welches Kriterium ist ausschlaggebend für die Beurteilung der Wirksamkeit eines XAI-Systems?

Accepted Answer

Fidelität (Übereinstimmung der Erläuterungen mit dem tatsächlichen Modellverhalten)

Answer

Rechenzeit

Answer

Benutzerfreundlichkeit

Answer

Kosten

Question 32

Welcher der folgenden Punkte ist ein ethisches Anliegen im Zusammenhang mit XAI?

Accepted Answer

Vermeidung von Diskriminierung und Voreingenommenheit in den Erläuterungen

Answer

Vereinfachung der Benutzeroberfläche

Answer

Reduzierung der Rechenkomplexität

Question 33

Wie kann XAI dazu beitragen, die Zuverlässigkeit von ML-Modellen zu verbessern?

Accepted Answer

Aufzeigen von Schwachstellen und Anfälligkeiten in den Vorhersagen

Answer

Optimierung der Hyperparameter

Answer

Verringerung der benötigten Trainingsdaten

Question 34

Was ist ein wesentliches Merkmal von Erklärbarem Maschinellem Lernen?

Accepted Answer

Transparenz der Entscheidungsprozesse

Answer

Höhere Genauigkeit als herkömmliche Modelle

Answer

Anwendbarkeit auf alle Datensätze

Answer

Vereinfachte Implementierung

Question 35

Welche der folgenden Aussagen über Erklärbares Maschinelles Lernen ist korrekt?

Accepted Answer

Es ermöglicht die Nachvollziehbarkeit von Modellentscheidungen für menschliche Anwender.

Answer

Es kann nicht auf komplexe Datensätze angewendet werden.

Answer

Es ist immer genauer als herkömmliche Modelle.

Question 36

Welche der folgenden Anwendungen ist ein Beispiel für Erklärbares Maschinelles Lernen im Finanzwesen?

Accepted Answer

Erklärung von Kreditausfallrisiken

Answer

Optimierung von Lieferketten

Answer

Personalisierung von Marketingkampagnen

Question 37

Was ist ein Hauptvorteil von Modellen des Erklärbaren Maschinellen Lernens im Vergleich zu herkömmlichen Modellen?

Accepted Answer

Verbesserte Entscheidungsfindung durch Transparenz

Answer

Einfachere Implementierung

Answer

Reduzierter Datenbedarf

Question 38

Welche der folgenden Techniken ist ein Beispiel für Modellvereinfachung zur Erklärung von Vorhersagen?

Accepted Answer

Entscheidungsbäume

Answer

Neuronale Netze

Answer

Lineare Regression

Answer

Support-Vektor-Maschinen

Question 39

Welche der folgenden Aussagen beschreibt einen Vorteil von erklärbarem maschinellem Lernen?

Accepted Answer

Es verbessert die Transparenz und das Vertrauen in die Ergebnisse des Modells.

Answer

Es verbessert immer die Genauigkeit des Modells.

Answer

Es erfordert keine zusätzliche Verarbeitung nach der Modellerstellung.

Question 40

Welche der folgenden Methoden ist eine regelbasierte Erklärungstechnik?

Accepted Answer

Entscheidungsbäume

Answer

SHAP-Werte

Answer

LIME

Question 41

Welches der folgenden Kriterien ist NICHT relevant für die Bewertung der Erklärbarkeit eines Modells?

Accepted Answer

Geschwindigkeit der Erklärungsberechnung

Answer

Transparenz

Answer

Nützlichkeit

Answer

Fidelität

Question 42

Welche der folgenden Aussagen beschreibt den Zweck von Counterfactual-Analysen?

Accepted Answer

Ermittlung alternativer Eingaben, die zu verschiedenen Vorhersagen führen.

Answer

Quantifizierung der Wichtigkeit von Merkmalen für die Vorhersage.

Answer

Erstellung von Erklärungen, die für Laien leicht verständlich sind.

Question 43

Welches der folgenden ist ein ethisches Anliegen bei erklärbarem maschinellem Lernen?

Accepted Answer

Mögliche Verwendung von Erklärungen zur Rechtfertigung voreingenommener Entscheidungen.

Answer

Erhöhter Rechenaufwand durch die Erklärung von Vorhersagen.

Answer

Schwierigkeiten bei der Implementierung von Erklärbarkeitstechniken.

Question 44

Was ist der Zweck von Erklärbarkeit in Modellen des Maschinellen Lernens?

Accepted Answer

Bereitstellung eines Verständnisses für menschliche Experten, wie ein Modell Vorhersagen trifft.

Answer

Vereinfachung des Modellentwurfs

Answer

Verbesserung der Modellleistung

Question 45

Welches Konzept bildet die Grundlage für die Erklärbarkeit von Entscheidungen in Finanzmodellen?

Accepted Answer

Feature-Wichtigkeit

Answer

Modellkomplexität

Answer

Vorhersagegenauigkeit

Answer

Datenqualität

Question 46

Welche Herausforderung ist mit der Erklärbarkeit von Deep-Learning-Modellen verbunden?

Accepted Answer

Hohe Dimensionalität und Black-Box-Charakter

Answer

Speicherintensive Berechnungen

Answer

Fehlen von Trainingsdaten

Answer

Niedrige Rechenleistung

Question 47

Welche Aussage zur ethischen Dimension der Erklärbarkeit ist korrekt?

Accepted Answer

Erklärbarkeit kann dazu beitragen, Diskriminierung und Ungerechtigkeit zu vermeiden.

Answer

Erklärbarkeit ist nur in kommerziellen Anwendungen relevant.

Answer

Erklärbarkeit kann die Privatsphäre gefährden.

Question 48

Welches Kriterium sollte bei der Auswahl einer Erklärungsmethode in den Vordergrund gestellt werden?

Accepted Answer

Relevanz für die Zielgruppe

Answer

Modellspezifikation

Answer

Geschwindigkeit der Generierung von Erklärungen

Answer

Verfügbarkeit von Softwaretools

Question 49

Welche Metrik kann zur Bewertung der Qualität einer Erklärung herangezogen werden?

Accepted Answer

Fidelität

Answer

Transparenz

Answer

Genauigkeit

Answer

Robustheit

Question 50

Welche Aussage zur Rolle von Expertenwissen bei der Erklärbarkeit ist zutreffend?

Accepted Answer

Expertenwissen kann bei der Identifizierung relevanter Features und der Interpretation von Erklärungen helfen.

Answer

Expertenwissen ist nur bei einfachen Modellen hilfreich.

Question 51

Welche Aussage zur Zukunft der Erklärbarkeit im Maschinellen Lernen trifft zu?

Accepted Answer

Erklärbarkeit wird zu einem integralen Bestandteil des Entwurfs und Einsatzes von ML-Modellen.

Answer

Erklärbarkeit wird nur in stark regulierten Branchen eine Rolle spielen.

Question 52

Welche der folgenden Methoden ist ein gängiger Ansatz zur Erklärung von Vorhersagen des maschinellen Lernens?

Accepted Answer

SHAP-Werte

Answer

Bayes'sche Netze

Answer

Support-Vektor-Maschinen

Answer

Lineare Regression

Question 53

Welches der folgenden ist ein Vorteil der Verwendung von 'Explainable AI'-Techniken?

Accepted Answer

Verbessertes Vertrauen der Nutzer

Answer

Erhöhte Modellkomplexität

Answer

Keine der genannten Möglichkeiten

Answer

Geringere Rechenleistung

Question 54

Welche Branche profitiert besonders von erklärbaren Modellen des maschinellen Lernens?

Accepted Answer

Medizin

Answer

Einzelhandel

Answer

Transportwesen

Answer

Fertigung

Question 55

Welcher der folgenden Faktoren erschwert die Erklärung von Modellen des maschinellen Lernens?

Accepted Answer

Nichtlineare Beziehungen

Answer

Ausreichende Rechenleistung

Answer

Verfügbarkeit von Trainingsdaten

Answer

Größe des Modells

Question 56

Welche der folgenden Aussagen über LIME (Local Interpretable Model-Agnostic Explanations) trifft zu?

Accepted Answer

Es ist ein Modellunabhängiges Erklärungsverfahren.

Answer

Es erfordert eine große Menge an Trainingsdaten.

Answer

Es garantiert immer eine perfekte Erklärung.

Answer

Es ist ein komplexes Verfahren, das fortgeschrittene Kenntnisse erfordert.

Question 57

Wie können erklärbare Modelle dazu beitragen, Verzerrungen in Modellen des maschinellen Lernens zu erkennen?

Accepted Answer

Durch Identifizierung von Merkmalen, die unverhältnismäßig stark zur Vorhersage beitragen

Answer

Durch Reduzierung der Rechenkosten

Answer

Durch Erhöhung der Genauigkeit von Modellen

Question 58

Welche der folgenden Aussagen über Tree-basierte Modelle im Kontext des erklärbaren maschinellen Lernens ist wahr?

Accepted Answer

Sie sind in der Regel leichter zu erklären als neuronale Netze.

Answer

Sie sind immer genauer als neuronale Netze.

Answer

Sie können nicht verwendet werden, um kategoriale Variablen vorherzusagen.

Question 59

Welche der folgenden Methoden kann verwendet werden, um die Erklärbarkeit von neuronalen Netzwerken zu verbessern?

Accepted Answer

Attention-Mechanismen

Answer

Logistische Regression

Answer

Support-Vektor-Maschinen

Answer

Random Forest

Question 60

In welchem Bereich des maschinellen Lernens spielt die Erklärbarkeit eine besonders wichtige Rolle?

Accepted Answer

Entscheidungsfindung

Answer

Bildverarbeitung

Answer

Clustering

Answer

Natürliche Sprachverarbeitung

Question 61

Welche der folgenden Maßnahmen kann dazu beitragen, die Akzeptanz erklärbarer Modelle des maschinellen Lernens zu fördern?

Accepted Answer

Einbeziehung der Nutzer in den Erklärungsprozess

Answer

Bereitstellung von Erklärungen in komplexer Fachsprache

Answer

Fokussierung auf die Erklärbarkeit bestimmter Modelltypen

Answer

Verzicht auf visuelle Darstellungen der Erklärungen

Question 62

Welche der folgenden Methoden wird NICHT zur Erklärung von Vorhersagen des Maschinellen Lernens verwendet?

Accepted Answer

Lineare Algebra

Answer

SHAP-Werte

Answer

LIME

Answer

Entscheidungsbäume

Question 63

Wie hilft erklärbares Maschinelles Lernen dabei, das Vertrauen in Modelle zu erhöhen?

Accepted Answer

Es ermöglicht es den Anwendern, die Funktionsweise des Modells zu verstehen und nachzuvollziehen.

Answer

Es verbessert die Genauigkeit des Modells.

Answer

Es reduziert die Wahrscheinlichkeit von Fehlern.

Question 64

Welche der folgenden Techniken wird verwendet, um die Erklärbarkeit von Entscheidungsbäumen zu verbessern?

Accepted Answer

Beschneidung

Answer

Boosted Trees

Answer

Regularisierung

Answer

Cross-Validierung