論文の概要: Explainable AI (XAI): A Systematic Meta-Survey of Current Challenges and Future Opportunities

• arxiv url: http://arxiv.org/abs/2111.06420v1
• Date: Thu, 11 Nov 2021 19:06:13 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-15 13:30:00.135705
• Title: Explainable AI (XAI): A Systematic Meta-Survey of Current Challenges and Future Opportunities
• Title（参考訳）: 説明可能なAI(XAI):現在の課題と今後の可能性の体系的なメタサーベイ
• Authors: Waddah Saeed, Christian Omlin
• Abstract要約: 説明可能なAI(XAI)は、AIをより透明性を高め、クリティカルドメインにおけるAIの採用を促進するために提案されている。 本研究は,XAIにおける課題と今後の研究方向性の体系的なメタサーベイである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The past decade has seen significant progress in artificial intelligence (AI), which has resulted in algorithms being adopted for resolving a variety of problems. However, this success has been met by increasing model complexity and employing black-box AI models that lack transparency. In response to this need, Explainable AI (XAI) has been proposed to make AI more transparent and thus advance the adoption of AI in critical domains. Although there are several reviews of XAI topics in the literature that identified challenges and potential research directions in XAI, these challenges and research directions are scattered. This study, hence, presents a systematic meta-survey for challenges and future research directions in XAI organized in two themes: (1) general challenges and research directions in XAI and (2) challenges and research directions in XAI based on machine learning life cycle's phases: design, development, and deployment. We believe that our meta-survey contributes to XAI literature by providing a guide for future exploration in the XAI area.
• Abstract（参考訳）: 過去10年間、人工知能(ai)は大幅に進歩し、様々な問題を解決するためにアルゴリズムが採用された。 しかしながら、この成功は、モデルの複雑さの増加と、透明性に欠けるブラックボックスAIモデルの採用によって達成されている。 このニーズに応えて、説明可能なAI(XAI)が提案され、AIをより透明性を高め、クリティカルドメインにおけるAIの採用を促進する。 XAIの課題と今後の研究方向性を特定する文献にはいくつかの論点があるが、これらの課題と研究の方向性は散在している。 そこで本研究では,(1)xaiの一般課題と研究方向,(2)機械学習ライフサイクルのフェーズに基づくxaiの課題と研究方向,すなわち設計,開発,展開という2つのテーマに整理されたxaiの課題と今後の研究方向に関する体系的メタサーベイを提案する。 我々は,我々のメタサーベイが,XAI地域における今後の探索のガイドを提供することで,XAI文学に寄与すると考えている。

関連論文リスト

• Generative Artificial Intelligence Meets Synthetic Aperture Radar: A Survey [49.29751866761522]
  本稿では,GenAIとSARの交差点について検討する。 まず、SAR分野における一般的なデータ生成ベースのアプリケーションについて説明する。 次に、最新のGenAIモデルの概要を体系的にレビューする。 最後に、SARドメインの対応するアプリケーションも含まれる。
  論文  参考訳（メタデータ） (2024-11-05T03:06:00Z)
• Explainable Artificial Intelligence: A Survey of Needs, Techniques, Applications, and Future Direction [5.417632175667161]
  説明可能な人工知能(XAI)は、これらのモデルがどのように意思決定や予測を行うかを説明することによって、課題に対処する。 既存の研究では、XAIの基本概念、その一般的原理、およびXAI技術の範囲について検討されている。 本稿では、共通用語と定義、XAIの必要性、XAIの受益者の必要性、XAI手法の分類、および異なる応用分野におけるXAI手法の適用に関する総合的な文献レビューを提供する。
  論文  参考訳（メタデータ） (2024-08-30T21:42:17Z)
• Applications of Explainable artificial intelligence in Earth system science [12.454478986296152]
  このレビューは、説明可能なAI(XAI)の基礎的な理解を提供することを目的としている。 XAIはモデルをより透明にする強力なツールセットを提供する。 我々は、地球系科学(ESS)において、XAIが直面する4つの重要な課題を識別する。 AIモデルは未知を探索し、XAIは説明を提供することでギャップを埋める。
  論文  参考訳（メタデータ） (2024-06-12T15:05:29Z)
• Evolutionary Computation and Explainable AI: A Roadmap to Understandable Intelligent Systems [37.02462866600066]
  進化的計算(EC)は、説明可能なAI(XAI)に寄与する大きな可能性を提供する 本稿では、XAIの紹介を行い、機械学習モデルを説明するための現在の技術についてレビューする。 次に、ECがXAIでどのように活用できるかを検討し、ECテクニックを取り入れた既存のXAIアプローチを調べます。
  論文  参考訳（メタデータ） (2024-06-12T02:06:24Z)
• How Human-Centered Explainable AI Interface Are Designed and Evaluated: A Systematic Survey [48.97104365617498]
  Em Explainable Interfaces (EIs) の登場する領域は,XAI のユーザインターフェースとユーザエクスペリエンス設計に重点を置いている。 本稿では,人間とXAIの相互作用の現在の動向と,EI設計・開発に向けた将来的な方向性を明らかにするために,53の出版物を体系的に調査する。
  論文  参考訳（メタデータ） (2024-03-21T15:44:56Z)
• Usable XAI: 10 Strategies Towards Exploiting Explainability in the LLM Era [77.174117675196]
  XAIはLarge Language Models (LLM)に拡張されている 本稿では,XAIがLLMやAIシステムにどのようなメリットをもたらすかを分析する。 10の戦略を導入し、それぞれに重要なテクニックを導入し、関連する課題について議論します。
  論文  参考訳（メタデータ） (2024-03-13T20:25:27Z)
• Explainable Artificial Intelligence (XAI) 2.0: A Manifesto of Open Challenges and Interdisciplinary Research Directions [37.640819269544934]
  説明可能なAI(XAI)は、様々な領域にまたがる実践的、倫理的利益の研究分野として登場した。 本稿では,XAIの進歩と実世界のシナリオへの応用について述べる。 9つのカテゴリに分類される27のオープンな問題のマニフェストを提示する。
  論文  参考訳（メタデータ） (2023-10-30T17:44:55Z)
• Seamful XAI: Operationalizing Seamful Design in Explainable AI [59.89011292395202]
  AIシステムのミスは必然的であり、技術的制限と社会技術的ギャップの両方から生じる。 本稿では, 社会工学的・インフラ的ミスマッチを明らかにすることにより, シームレスな設計がAIの説明可能性を高めることを提案する。 43人のAI実践者と実際のエンドユーザでこのプロセスを探求します。
  論文  参考訳（メタデータ） (2022-11-12T21:54:05Z)
• Connecting Algorithmic Research and Usage Contexts: A Perspective of Contextualized Evaluation for Explainable AI [65.44737844681256]
  説明可能なAI(XAI)を評価する方法に関するコンセンサスの欠如は、この分野の進歩を妨げる。 このギャップを埋める一つの方法は、異なるユーザ要求を考慮に入れた評価方法を開発することである、と我々は主張する。
  論文  参考訳（メタデータ） (2022-06-22T05:17:33Z)
• XAI for Cybersecurity: State of the Art, Challenges, Open Issues and Future Directions [16.633632244131775]
  AIモデルは、開発者が特定の決定の背後にある理由の説明や追跡ができないブラックボックスとして現れることが多い。 説明可能なAI(XAI)は、情報を抽出し、結果を視覚化するのに役立つ、急速に成長する研究分野である。 本報告では,サイバーセキュリティと攻撃形態について概説する。 次に、従来のAI技術の使用とその関連する課題について議論し、様々なアプリケーションでXAIを使用するための扉を開く。
  論文  参考訳（メタデータ） (2022-06-03T02:15:30Z)
• A User-Centred Framework for Explainable Artificial Intelligence in Human-Robot Interaction [70.11080854486953]
  本稿では,XAIのソーシャル・インタラクティブな側面に着目したユーザ中心型フレームワークを提案する。 このフレームワークは、エキスパートでないユーザのために考えられた対話型XAIソリューションのための構造を提供することを目的としている。
  論文  参考訳（メタデータ） (2021-09-27T09:56:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。