xxAI -- beyond explainable AI : International Workshop, held in conjunction with ICML 2020, July 18, 2020, Vienna, Austria, Revised and extended papers

Abstract

Đây là một cuốn sách truy cập mở. Học máy thống kê (ML) đã kích hoạt sự phục hưng của trí tuệ nhân tạo (AI). Mặc dù các mô hình ML thành công nhất, bao gồm Mạng thần kinh sâu (DNN), đã phát triển khả năng dự đoán tốt hơn, nhưng chúng ngày càng trở nên phức tạp, gây tổn hại đến khả năng diễn giải của con người (mối tương quan và quan hệ nhân quả). Lĩnh vực AI có thể giải thích (xAI) đã xuất hiện với mục tiêu tạo ra các công cụ và mô hình vừa có thể dự đoán, vừa có thể diễn giải và dễ hiểu đối với con người. AI có thể giải thích đang nhận được sự quan tâm lớn trong cộng đồng nghiên cứu AI và học máy, trên khắp các học viện, ngành công nghiệp và chính phủ, đồng thời giờ đây có cơ hội tuyệt vời để thúc đẩy các ứng dụng AI có thể giải thích thành công. Tập sách này sẽ giúp cộng đồng nghiên cứu đẩy nhanh quá trình này, thúc đẩy việc sử dụng AI có thể giải thích một cách có hệ thống hơn để cải thiện các mô hình trong các ứng dụng đa dạng và cuối cùng là hiểu rõ hơn về cách cải thiện các phương pháp AI có thể giải thích hiện tại và loại lý thuyết nào về AI có thể giải thích được. là cần thiết. Sau phần tổng quan về các phương pháp và thách thức hiện tại, các biên tập viên đưa vào các chương mô tả những phát triển mới về AI có thể giải thích được. Sự đóng góp là của các nhà nghiên cứu hàng đầu trong lĩnh vực này, được rút ra từ cả giới học thuật và ngành công nghiệp, đồng thời nhiều chương đưa ra cách tiếp cận liên ngành rõ ràng để giải quyết vấn đề. Các khái niệm được thảo luận bao gồm khả năng giải thích, khả năng nhân quả và giao diện AI với con người, đồng thời các ứng dụng bao gồm xử lý hình ảnh, ngôn ngữ tự nhiên, luật pháp, sự công bằng và khoa học khí hậu.