最新《可解释人工智能》概述，50页ppt
随着广泛的应用，人工智能(AI)催生了一系列与人工智能相关的研究活动。其中一个领域就是可解释的人工智能。它是值得信赖的人工智能系统的重要组成部分。本文概述了可解释的人工智能方法，描述了事后人工智能系统(为先前构建的常规人工智能系统提供解释)和事后人工智能系统(从一开始就配置为提供解释)。解释的形式多种多样:基于特征的解释、基于说明性训练样本的解释、基于嵌入式表示的解释、基于热度图的解释。也有结合了神经网络模型和图模型的概率解释。可解释人工智能与许多人工智能研究前沿领域密切相关，如神经符号人工智能和机器教学
专知便捷查看
便捷下载，请关注专知公众号（点击上方蓝色专知关注）
后台回复“XAI50” 就可以获取《最新《可解释人工智能》概述，50页ppt》专知下载链接
登录查看更多
相关内容
一个可以解释的AI（Explainable AI, 简称XAI）或透明的AI（Transparent AI），其行为可以被人类容易理解。它与机器学习中“ 黑匣子 ” 的概念形成鲜明对比，这意味着复杂算法运作的“可解释性”，即使他们的设计者也无法解释人工智能为什么会做出具体决定。 XAI可用于实现社会解释的权利。有些人声称透明度很少是免费提供的，并且在人工智能的“智能”和透明度之间经常存在权衡; 随着AI系统内部复杂性的增加，这些权衡预计会变得更大。解释AI决策的技术挑战有时被称为可解释性问题。另一个考虑因素是信息（信息过载），因此，完全透明可能并不总是可行或甚至不需要。提供的信息量应根据利益相关者与智能系统的交互情况而有所不同。
https://www.darpa.mil/program/explainable-artificial-intelligence
Arxiv
0+阅读 · 2021年6月23日
Arxiv
8+阅读 · 2018年1月16日
相关VIP内容
相关资讯
相关论文
Arxiv
0+阅读 · 2021年6月23日
Arxiv
8+阅读 · 2018年1月16日
微信扫码咨询专知VIP会员