Fugu-MT 論文翻訳(概要): A Survey of Explainable AI and Proposal for a Discipline of Explanation Engineering

論文の概要: A Survey of Explainable AI and Proposal for a Discipline of Explanation Engineering

arxiv url: http://arxiv.org/abs/2306.01750v1
Date: Sat, 20 May 2023 11:55:27 GMT
ステータス: 処理完了
システム内更新日: 2023-06-11 14:06:36.299386
Title: A Survey of Explainable AI and Proposal for a Discipline of Explanation Engineering
Title（参考訳）: 説明可能なaiに関する調査と説明工学の分野への提案
Authors: Clive Gomes, Lalitha Natraj, Shijun Liu, Anushka Datta
Abstract要約: 我々は、XAIの既存のアプローチについて論じ、最もポピュラーな手法の分類を構築した。金融、自動運転、ヘルスケア、製造業の4つの主要分野において、これらおよびその他のXAI技術のいくつかの応用について検討する。最終的には、AIシステムに説明責任を設計するための体系的なアプローチを含む、有望な規律である“説明工学(Explanation Engineering)”を導入します。
参考スコア（独自算出の注目度）: 0.7646713951724011
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this survey paper, we deep dive into the field of Explainable Artificial Intelligence (XAI). After introducing the scope of this paper, we start by discussing what an "explanation" really is. We then move on to discuss some of the existing approaches to XAI and build a taxonomy of the most popular methods. Next, we also look at a few applications of these and other XAI techniques in four primary domains: finance, autonomous driving, healthcare and manufacturing. We end by introducing a promising discipline, "Explanation Engineering," which includes a systematic approach for designing explainability into AI systems.
Abstract（参考訳）: 本稿では,説明可能な人工知能(XAI)の分野を深く掘り下げる。この論文のスコープを紹介した後、まず「説明」とは何かについて議論する。次に、XAIに対する既存のアプローチについて議論し、最も人気のある手法の分類を構築します。次に、金融、自動運転、ヘルスケア、製造業の4つの主要分野における、これらおよびその他のXAI技術のいくつかの応用についても検討する。最後に、aiシステムに説明可能性を設計するための体系的アプローチを含む、有望な規律である"説明エンジニアリング"を導入する。

関連論文リスト

Explainable Artificial Intelligence and Multicollinearity : A Mini Review of Current Approaches [0.0]
説明可能な人工知能(XAI)手法は、機械学習モデルの内部メカニズムを理解するのに役立つ。情報的特徴のリストは、XAIメソッドの最も一般的な出力の1つである。マルチコリニアリティは、XAIが説明を生成するときに考慮すべき大きな問題の1つです。
論文参考訳（メタデータ） (2024-06-17T13:26:53Z)
Opening the Black-Box: A Systematic Review on Explainable AI in Remote Sensing [51.524108608250074]
ブラックボックス機械学習アプローチは、リモートセンシングにおける知識抽出における主要なモデリングパラダイムとなっている。我々は、この分野における重要なトレンドを特定するための体系的なレビューを行い、新しい説明可能なAIアプローチに光を当てた。また,課題と将来的な研究方向性について,より詳細な展望を述べる。
論文参考訳（メタデータ） (2024-02-21T13:19:58Z)
Explainable AI for Safe and Trustworthy Autonomous Driving: A Systematic Review [12.38351931894004]
本稿では,安全かつ信頼性の高い自動運転のための説明可能な手法に関する,最初の体系的な文献レビューを紹介する。我々は、ADにおける安全で信頼性の高いAIに対するXAIの5つの重要な貢献を特定し、それらは解釈可能な設計、解釈可能な代理モデル、解釈可能なモニタリング、補助的な説明、解釈可能な検証である。我々は、これらのコントリビューションを統合するためにSafeXと呼ばれるモジュラーフレームワークを提案し、同時にAIモデルの安全性を確保しながら、ユーザへの説明提供を可能にした。
論文参考訳（メタデータ） (2024-02-08T09:08:44Z)
Generative AI [20.57872238271025]
生成AI(generative AI)とは、一見新しい意味のあるコンテンツを生成できる計算技術である。 Dall-E 2, GPT-4, Copilotといった例でこの技術が広く普及していることは,現在私たちの作業方法やコミュニケーション方法に革命をもたらしています。
論文参考訳（メタデータ） (2023-09-13T08:21:59Z)
Selected Trends in Artificial Intelligence for Space Applications [69.3474006357492]
この章は、差別化可能なインテリジェンスとオンボード機械学習に焦点を当てている。欧州宇宙機関(ESA)Advanced Concepts Team(ACT)から選ばれたいくつかのプロジェクトについて論じる。
論文参考訳（メタデータ） (2022-12-10T07:49:50Z)
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)
Towards Human Cognition Level-based Experiment Design for Counterfactual Explanations (XAI) [68.8204255655161]
XAI研究の重点は、より理解を深めるために、より実践的な説明アプローチに変わったようだ。認知科学研究がXAIの進歩に大きく影響を与える可能性のある領域は、ユーザの知識とフィードバックを評価することである。本研究では,異なる認知レベルの理解に基づく説明の生成と評価を実験する枠組みを提案する。
論文参考訳（メタデータ） (2022-10-31T19:20:22Z)
Explainable AI: current status and future directions [11.92436948211501]
説明可能な人工知能(XAI)は、人工知能(AI)分野における新たな研究分野である。 XAIは、AIが特定のソリューションをどのように取得したかを説明し、他の"wh"質問にも答えることができる。本稿では,マルチメディア(テキスト,画像,音声,ビデオ)の観点から,これらの技術の概要を紹介する。
論文参考訳（メタデータ） (2021-07-12T08:42:19Z)
Machine Reasoning Explainability [100.78417922186048]
機械推論(MR: Machine Reasoning)は、抽象的推論を形式化し、エミュレートするための象徴的な手段である。初期のMRの研究は、明らかに説明可能なAI(XAI)への問い合わせを開始した本論文はMR説明可能性に関する我々の研究成果を報告する。
論文参考訳（メタデータ） (2020-09-01T13:45:05Z)
Opportunities and Challenges in Explainable Artificial Intelligence (XAI): A Survey [2.7086321720578623]
深層ニューラルネットワークのブラックボックスの性質は、ミッションクリティカルなアプリケーションでの利用に挑戦する。 XAIは、AI決定に関する高品質な解釈可能、直感的、人間に理解可能な説明を生成するためのツール、テクニック、アルゴリズムのセットを推進している。
論文参考訳（メタデータ） (2020-06-16T02:58:10Z)
A general framework for scientifically inspired explanations in AI [76.48625630211943]
我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツール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） (2020-03-02T10:32:21Z)

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。