ETD

• explainable AI
• hybrid decision maker
• skeptical learning
• time series classification

This thesis explores the field of Ethical Artificial Intelligence, focusing on human-in-the-loop algorithms that integrate human reasoning into the decision-making process to enhance model capabilities. The work extends the FRANK framework, which is a human-in-the-loop, co-evolutionary system that assists users in labeling tabular data. This thesis extend it to the domain of time series classification. The resulting system, FRANK-TS, enables interactive and transparent learning through skeptical learning and explanatory feedback, allowing users to actively guide and refine the model’s behavior. An adapted version of the Bag-Of-Receptive-Fields (BORF) method is integrated into the system to ensure interpretable and efficient decision-making on temporal data, combining technical accuracy with a human-centered approach to Artificial Intelligence.

Questa tesi esplora il campo dell'Intelligenza Artificiale Etica, concentrandosi su algoritmi human-in-the-loop che integrano il ragionamento umano nel processo decisionale per migliorare le capacità del modello. Il lavoro estende il framework FRANK, un sistema co-evolutivo e human-in-the-loop che assiste gli utenti nell'etichettatura di dati tabulari. Questa tesi lo estende al dominio della classificazione di serie temporali. Il sistema risultante, FRANK-TS, permette un apprendimento interattivo e trasparente attraverso l'apprendimento scettico (skeptical learning) e il feedback esplicativo (explanatory feedback), consentendo agli utenti di guidare e perfezionare attivamente il comportamento del modello. Una versione adattata del metodo Bag-Of-Receptive-Fields (BORF) è integrata nel sistema per garantire un processo decisionale interpretabile ed efficiente su dati temporali, combinando l'accuratezza tecnica con un approccio all'Intelligenza Artificiale centrato sull'uomo.