論文の概要: Toward enriched Cognitive Learning with XAI

• arxiv url: http://arxiv.org/abs/2312.12290v1
• Date: Tue, 19 Dec 2023 16:13:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-20 15:07:24.643846
• Title: Toward enriched Cognitive Learning with XAI
• Title（参考訳）: XAIによる認知学習の充実に向けて
• Authors: Muhammad Suffian, Ulrike Kuhl, Jose M. Alonso-Moral, Alessandro Bogliolo
• Abstract要約: 本稿では,人工知能(AI)ツールによる認知学習のためのインテリジェントシステム(CL-XAI)を提案する。 CL-XAIの使用は、学習者が問題解決スキルを高めるために問題に取り組むゲームインスパイアされた仮想ユースケースで説明される。
• 参考スコア（独自算出の注目度）: 44.99833362998488
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As computational systems supported by artificial intelligence (AI) techniques continue to play an increasingly pivotal role in making high-stakes recommendations and decisions across various domains, the demand for explainable AI (XAI) has grown significantly, extending its impact into cognitive learning research. Providing explanations for novel concepts is recognised as a fundamental aid in the learning process, particularly when addressing challenges stemming from knowledge deficiencies and skill application. Addressing these difficulties involves timely explanations and guidance throughout the learning process, prompting the interest of AI experts in developing explainer models. In this paper, we introduce an intelligent system (CL-XAI) for Cognitive Learning which is supported by XAI, focusing on two key research objectives: exploring how human learners comprehend the internal mechanisms of AI models using XAI tools and evaluating the effectiveness of such tools through human feedback. The use of CL-XAI is illustrated with a game-inspired virtual use case where learners tackle combinatorial problems to enhance problem-solving skills and deepen their understanding of complex concepts, highlighting the potential for transformative advances in cognitive learning and co-learning.
• Abstract（参考訳）: 人工知能(AI)技術が支援する計算システムは、さまざまな領域で高い推奨事項や意思決定を行う上で、ますます重要な役割を担い続けているため、説明可能なAI(XAI)の需要は大幅に増加し、認知学習研究へのその影響が拡大している。 新たな概念の説明を提供することは,特に知識不足やスキル応用に起因する課題に対処する上で,学習プロセスの基本的な支援として認識される。 これらの困難に対処するには、学習プロセス全体を通してタイムリーな説明とガイダンスが伴い、説明モデルの開発にAI専門家の関心を喚起する。 本稿では,XAIが支援する認知学習のための知的システム(CL-XAI)を紹介し,人間の学習者がAIモデルの内部メカニズムをXAIツールを用いて理解し,そのようなツールの有効性を評価するという2つの研究目標について考察する。 CL-XAIの使用は、学習者が複合的な問題に取り組み、問題解決のスキルを高め、複雑な概念の理解を深め、認知学習やコラーニングにおける変革的進歩の可能性を強調するゲームインスパイアされた仮想ユースケースで説明される。

関連論文リスト

• Integrating Cognitive AI with Generative Models for Enhanced Question Answering in Skill-based Learning [3.187381965457262]
  本稿では,認知AIと生成AIを融合してこれらの課題に対処する手法を提案する。 我々は、構造化知識表現、TMK(Task-Method-Knowledge)モデルを用いて、オンライン知識ベースのAIコースで教えられたスキルをエンコードする。
  論文  参考訳（メタデータ） (2024-07-28T04:21:22Z)
• Combining AI Control Systems and Human Decision Support via Robustness and Criticality [53.10194953873209]
  我々は、逆説(AE)の方法論を最先端の強化学習フレームワークに拡張する。 学習したAI制御システムは、敵のタンパリングに対する堅牢性を示す。 トレーニング/学習フレームワークでは、この技術は人間のインタラクションを通じてAIの決定と説明の両方を改善することができる。
  論文  参考訳（メタデータ） (2024-07-03T15:38:57Z)
• 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)
• Transferring Domain Knowledge with (X)AI-Based Learning Systems [3.0059120458540383]
  説明可能な人工知能(XAI)は、従来、ブラックボックス人工知能システムを解釈するために用いられてきた。 X)AIシステムは、専門家の過去の判断に基づいて訓練され、実例と説明を提供することで初心者を教えるために使用される。 我々は,(X)AIに基づく学習システムが初心者の学習を誘導し,その認知スタイルが中等学習であることを示す。
  論文  参考訳（メタデータ） (2024-06-03T13:56:30Z)
• 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)
• Distributed and Democratized Learning: Philosophy and Research Challenges [80.39805582015133]
  民主化学習(Dem-AI)という新しいデザイン哲学を提案する。 ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。 本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
  論文  参考訳（メタデータ） (2020-03-18T08:45:10Z)
• Neuro-symbolic Architectures for Context Understanding [59.899606495602406]
  本稿では,データ駆動型アプローチと知識駆動型アプローチの強みを組み合わせたフレームワークとして,ハイブリッドAI手法を提案する。 具体的には、知識ベースを用いて深層ニューラルネットワークの学習過程を導く方法として、ニューロシンボリズムの概念を継承する。
  論文  参考訳（メタデータ） (2020-03-09T15:04:07Z)
• 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。

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。