主题: Directions for Explainable Knowledge-Enabled Systems

摘要: 数十年来,人们对可解释人工智能领域的兴趣不断增长,并且近年来这种兴趣正在加速增长。随着人工智能模型变得更加复杂,并且通常更加不透明,并且随着复杂的机器学习技术的结合,可解释性变得越来越重要。最近,研究人员一直在研究和解决以用户为中心的可解释性,寻找解释以考虑可信度,可理解性,显性出处和上下文意识。在本章中,我们将利用对人工智能及其密切相关领域的解释性文献的调查,并利用过去的努力来生成一组解释类型,我们认为这些类型反映了当今人工智能应用对解释的扩展需求。我们定义每种类型,并提供一个示例问题,以激发对这种解释方式的需求。我们认为,这组解释类型将有助于未来的系统设计人员生成需求并确定其优先级,并进一步帮助生成更符合用户和情况需求的解释。

成为VIP会员查看完整内容
55

相关内容

人工智能(Artificial Intelligence, AI )是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支。
可解释强化学习,Explainable Reinforcement Learning: A Survey
专知会员服务
126+阅读 · 2020年5月14日
专知会员服务
98+阅读 · 2020年3月19日
可解释推荐:综述与新视角
专知会员服务
108+阅读 · 2019年10月13日
论文浅尝 | 推荐系统的可解释性浅谈
开放知识图谱
14+阅读 · 2018年11月27日
LibRec 精选:推荐的可解释性[综述]
LibRec智能推荐
10+阅读 · 2018年5月4日
4个方面,系统总结个性化推荐系统
人人都是产品经理
7+阅读 · 2017年12月10日
Directions for Explainable Knowledge-Enabled Systems
Arxiv
26+阅读 · 2020年3月17日
Arxiv
91+阅读 · 2020年2月28日
Arxiv
7+阅读 · 2018年1月31日
VIP会员
相关VIP内容
可解释强化学习,Explainable Reinforcement Learning: A Survey
专知会员服务
126+阅读 · 2020年5月14日
专知会员服务
98+阅读 · 2020年3月19日
可解释推荐:综述与新视角
专知会员服务
108+阅读 · 2019年10月13日
微信扫码咨询专知VIP会员