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
- Advancing Explainable AI Toward Human-Like Intelligence: Forging the
Path to Artificial Brain [0.7770029179741429]
説明可能なAI(XAI)における人工知能(AI)と神経科学の交差は、複雑な意思決定プロセスにおける透明性と解釈可能性を高めるために重要である。
本稿では,機能ベースから人間中心のアプローチまで,XAI方法論の進化について考察する。
生成モデルにおける説明可能性の達成、責任あるAIプラクティスの確保、倫理的意味への対処に関する課題について論じる。
論文 参考訳(メタデータ) (2024-02-07T14:09:11Z) - Multimodality of AI for Education: Towards Artificial General
Intelligence [14.121655991753483]
マルチモーダル人工知能(AI)アプローチは、教育的文脈における人工知能(AGI)の実現に向けた道を歩んでいる。
この研究は、認知フレームワーク、高度な知識表現、適応学習機構、多様なマルチモーダルデータソースの統合など、AGIの重要な側面を深く掘り下げている。
本稿は、AGI開発における今後の方向性と課題に関する洞察を提供する、教育におけるマルチモーダルAIの役割の意味についても論じる。
論文 参考訳(メタデータ) (2023-12-10T23:32:55Z) - Evolutionary approaches to explainable machine learning [6.274453963224799]
機械学習モデルは、重要なセクターでますます使われているが、そのブラックボックスの性質は、説明責任と信頼に関する懸念を引き起こしている。
説明可能な人工知能(XAI)や説明可能な機械学習(XML)の分野は、これらのモデルの人間的理解の必要性に応えて現れた。
進化的コンピューティングは、強力な最適化と学習ツールのファミリーとして、XAI/XMLに貢献する大きな可能性を秘めています。
論文 参考訳(メタデータ) (2023-06-23T16:47:49Z) - 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) - From Psychological Curiosity to Artificial Curiosity: Curiosity-Driven
Learning in Artificial Intelligence Tasks [56.20123080771364]
心理学的好奇心は、探索と情報取得を通じて学習を強化するために、人間の知性において重要な役割を果たす。
人工知能(AI)コミュニティでは、人工好奇心は効率的な学習に自然な本質的な動機を与える。
CDLはますます人気を博し、エージェントは新たな知識を学習するために自己動機付けされている。
論文 参考訳(メタデータ) (2022-01-20T17:07:03Z) - Towards Explainable Artificial Intelligence in Banking and Financial
Services [0.0]
説明可能な人工知能(XAI)の手法とツールを用いた最近の研究を研究・分析する。
我々は,高レベルの学習性能を維持しつつ,説明可能なモデルの作成を容易にする新しいXAIプロセスを導入する。
我々は,アルゴリズム結果との対話を容易にするデジタルダッシュボードを開発した。
論文 参考訳(メタデータ) (2021-12-14T08:02:13Z) - 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。