美国DARPA204页可解释人工智能文献综述论文《Explanation in Human-AI Systems》

【导读】可解释AI是现在正火热的科研和工程问题。本文介绍Arxiv上的《Explanation in Human-AI Systems》,一篇关于可解释机器学习的综述,介绍了可解释机器学习的多学科观点、历史研究、模型、关键点等。


可解释AI是现在正火热的科研和工程问题。Arxiv上一篇《Explanation in Human-AI Systems: A Literature Meta-Review Synopsis of Key Ideas and Publications and Bibliography for Explainable AI》介绍了可解释机器学习的多学科观点、历史研究、模型、关键点等,PDF大概内容组织如下:

  • 目的、范围和本文组织结构

    • 该主题的重要性

    • 本文的组织结构

  • 多学科观点

    • 哲学

      • 逻辑学观点

      • 机械学观点

      • 统计学观点

      • 相对主义者/实用主义者的观点

    • 心理学

    • 可解释性与心理学

    • 社会心理学

    • 语言心理学

    • 团队科学

    • 其他人类因素、认知系统工程和决策辅助

    • 考虑多学科观点的总结

  • 从研究到相关主题的发现

    • 以前的综述

    • 公平、透明、安全、可靠、道德

    • 信任

    • 因果推理和外展推理

    • 事件和概念的因果和机械推理

    • 类比

    • 理解解释

    • 理解的失败和局限性

    • 复杂系统的理解

    • 反事实和对比推理

    • 个体差异与动机

    • 学习和概念形成

    • 心智模型

    • 前瞻推理与规划

    • 对话式解释

    • 自解释

    • 迁移和泛化

  • 关键论文和它们的贡献

  • AI系统的可解释性:历史研究的观点

  • 心理理论、假设和模型

    • 分类学

    • 解释性与基础认知过程的关系

    • 好解释的特性

    • 可解释推理的局限和缺点

    • 解释性推理的个体差异

    • 解释的概念模型

    • 心理模型的总结

  • 可解释性AI关键概念的概要

    • 解释的价值

    • 形式和内容

    • 可解释性

    • 解释和证明

    • 候选解释

    • 心智模型

    • 预期和前瞻

    • 全局和本地解释

    • 上下文依赖

    • 对比推理

    • 一致

    • 好的和满意的解释

    • 纠正的解释

    • 信任和可靠

    • 自解释

    • 主动探索作为连续过程

    • 解释作为协作和共同适应过程

    • 测量和评价

  • 可解释性AI系统的评价:人类参与的性能评价



【教程下载】

 请关注专知公众号(点击上方蓝色专知关注

  • 后台回复“EHAI” 就可以获取《Explanation in Human-AI Systems: A Literature Meta-Review Synopsis of Key Ideas and Publications and Bibliography for Explainable AI》的下载链接~ 


部分PDF内容:

参考链接:

  • https://arxiv.org/pdf/1806.00069.pdf

-END-

专 · 知

专知《深度学习:算法到实战》课程全部完成!470+位同学在学习,现在报名,限时优惠!网易云课堂人工智能畅销榜首位!


请加专知小助手微信(扫一扫如下二维码添加),咨询《深度学习:算法到实战》参团限时优惠报名~

欢迎微信扫一扫加入专知人工智能知识星球群,获取专业知识教程视频资料和与专家交流咨询!

请PC登录www.zhuanzhi.ai或者点击阅读原文,注册登录专知,获取更多AI知识资料!

点击“阅读原文”,了解报名专知《深度学习:算法到实战》课程

未经允许不得转载:ai论文写作 » 美国DARPA204页可解释人工智能文献综述论文《Explanation in Human-AI Systems》

评论 抢沙发

评论前必须登录!

立即登录   注册