11月9日，由信息与软件工程学院举办的“Introduction to Explainable AI”线上讲座顺利举行，邀请到了来自加拿大阿尔伯塔大学的LI YUXI博士作为主讲人，为学院本科生及研究生讲解可解释性人工智能。

LI YUXI博士对人工智能技术（ AI）进行了介绍，并对监督学习和无监督学习的性质和适用场景进行了讲解。监督学习一般适用于预测类场景，如分类和回归等。无监督学习一般适用于信息提取类场景，如聚类、主成分分析，生成对抗网络等。接下来，LI YUXI博士对现有各种人工智能技术的关系以及其相关模型和应用场景做了重点讲解。LI YUXI博士以who+why的形式来展示了可解释性AI的几个重要概念、目的和目标受众，通过图像和公式对其中的流程进行示例讲解。

相关链接：

LI YUXI，加拿⼤阿尔伯塔大学计算机科学博士。在arXiv上发表《深度强化学习综述》，获900余次引用。近期在arXiv上发表《深度强化学习：机遇与挑战》Deep Reinforcement Learning: Opportunities and Challenges。两次担任Machine Learning Journal特刊客座主编, 领衔组织ICML 2019、2021 workshops，在NeurIPS、AIStats、INFOCOM等发表多篇论文，多次担任AAAI 2019-2022，ACM Computing Surveys, Communications of ACM, PAMI, TKDD等审稿员。在加拿⼤创办⼈工智能公司attain.ai。