КОНФЕРЕНЦІЇ ВНТУ електронні наукові видання, 
Молодь в науці: дослідження, проблеми, перспективи (МН-2025)

Розмір шрифта: 
УПРАВЛІННЯ ІТ-ІНФРАСТРУКТУРОЮ ЗАСОБАМИ ПОЯСНЮВАНОГО ШТУЧНОГО ІНТЕЛЕКТУ
Володимир Петрович Коваленко, Олег Олександрович Ковалюк

Остання редакція: 2025-06-13

Анотація


В роботі розглянуто проблему інтеграції пояснюваного штучного інтелекту (XAI) до систем управління ІТ-інфраструктурою підприємства в умовах цифрової трансформації. Представлено концептуальну модель включення XAI у цифрові бізнес-процеси, яка дозволяє зберігати баланс між автономністю ШІ та контролем з боку оператора. Окрему увагу приділено прикладам застосування сучасних XAI-підходів (LIME, SHAP, контрфактичні пояснення), а також перспективам подальших досліджень щодо адаптації пояснюваного ШІ до периферійних та розподілених систем.

Ключові слова


пояснюваний штучний інтелект; AIOps; ІТ-інфраструктура; автоматизація управління; прозорість ШІ

Посилання


Naayini P., Kamatala S. Enabling Intelligent Infrastructure: AI-Driven Automation and Resilience in Cloud-Native Systems // International Advanced Research Journal in Science, Engineering and Technology. – 2022. – Т. 9, №. 11. – С. 152–158. – Режим доступу: https://iarjset.com/wp-content/uploads/2022/12/IARJSET.2022.91122.pdf

 

Oprea S.-V. Is Artificial Intelligence a Game-Changer in Steering E-Business into the Future? Uncovering Latent Topics with Probabilistic Generative Models [Електронний ресурс] / Simona-Vasilica Oprea, Adela Bâra // Journal of Theoretical and Applied Electronic Commerce Research. – 2025. – Т. 20, № 1. – С. 16. – Режим доступу: https://doi.org/10.3390/jtaer20010016

 

Linardatos P. Explainable AI: A Review of Machine Learning Interpretability Methods [Електронний ресурс] / Pantelis Linardatos, Vasilis Papastefanopoulos, Sotiris Kotsiantis // Entropy. – 2020. – Т. 23, № 1. – С. 18. – Режим доступу: https://doi.org/10.3390/e23010018

 

Guidotti R. Counterfactual explanations and how to find them: literature review and benchmarking [Електронний ресурс] / Riccardo Guidotti // Data Mining and Knowledge Discovery. – 2022. – Режим доступу: https://doi.org/10.1007/s10618-022-00831-6

 

Model-agnostic explainable artificial intelligence methods in finance: a systematic review, recent developments, limitations, challenges and future directions [Електронний ресурс] / Farhina Sardar Khan [та ін.] // Artificial Intelligence Review. – 2025. – Т. 58, № 8. – Режим доступу: https://doi.org/10.1007/s10462-025-11215-9


Повний текст: PDF