Integrated Gradients ‐ Audit AI - BlackAlph4ndr01D/Daftar-Militer-AI-zionis-israel-part.2 GitHub Wiki
✅ Perbandingan SHAP, LIME, dan Integrated Gradients
Berikut adalah tabel perbandingan yang jelas, tajam, dan mendalam antara ketiga metode Explainable AI tersebut:
| Aspek Perbandingan | SHAP | LIME | Integrated Gradients (IG) |
|---|---|---|---|
| Dasar Teori | Game Theory (Shapley Values) | Surrogate Model Lokal (Linear Regression) | Axiomatic Attribution (Gradient-based) |
| Cakupan | Local + Global | Hanya Local | Local + Global |
| Akurasi Matematis | Sangat Tinggi & Konsisten | Sedang (bisa tidak stabil) | Tinggi & Konsisten |
| Kecepatan Komputasi | Lambat (komputasi berat) | Cepat | Sedang |
| Kemudahan Dipahami | Sedang | Sangat Mudah | Sedang-Tinggi |
| Model Agnostic | Ya | Ya | Tidak (hanya untuk model differentiable) |
| Kelebihan Utama | Penjelasan paling adil & akurat | Cepat, visual, mudah dipahami awam | Stabil, memiliki dasar matematis yang kuat |
| Kekurangan | Komputasi mahal untuk model besar | Kurang stabil, hanya lokal | Membutuhkan gradient (tidak bisa untuk semua model) |
| Cocok untuk | Forensik mendalam, audit bias sistem | Penjelasan cepat ke publik / non-teknis | Analisis gradient-based pada Neural Network |
| Penggunaan di Militer AI | Sangat Baik (Lavender, Threat Scoring) | Baik untuk visualisasi satu target | Bagus untuk model Neural Network deep |
| Kelemahan di Militer | Lambat untuk real-time | Kurang akurat untuk audit hukum | Tidak bisa dipakai jika model bukan differentiable |
Kesimpulan Perbandingan
- SHAP → Paling direkomendasikan untuk forensik mendalam dan bukti ilmiah karena konsistensi dan akurasinya.
- LIME → Paling cocok untuk komunikasi publik dan penjelasan cepat yang mudah dipahami orang awam.
- Integrated Gradients → Sangat kuat untuk model berbasis Neural Network (Deep Learning), tapi kurang fleksibel karena harus bisa menghitung gradient.
Rekomendasi Praktis:
- Untuk audit sistem AI militer Israel (Lavender, Arbel, dll) → SHAP adalah pilihan terbaik.
- Untuk membuat infografis atau penjelasan ke publik → LIME lebih efektif.
- Jika modelnya Neural Network dalam (seperti di SITS) → Integrated Gradients sangat berguna.