Fugu-MT 論文翻訳(概要): Explainable artificial intelligence approaches for brain-computer interfaces: a review and design space

論文の概要: Explainable artificial intelligence approaches for brain-computer interfaces: a review and design space

arxiv url: http://arxiv.org/abs/2312.13033v1
Date: Wed, 20 Dec 2023 13:56:31 GMT
ステータス: 処理完了
システム内更新日: 2023-12-21 15:27:56.378050
Title: Explainable artificial intelligence approaches for brain-computer interfaces: a review and design space
Title（参考訳）: 脳-コンピューターインタフェースのための説明可能な人工知能アプローチ:レビューとデザインスペース
Authors: Param Rajpura, Hubert Cecotti, Yogesh Kumar Meena
Abstract要約: 本稿では、Brain-Computer Interfacesに適用された説明可能な人工知能技術の統合的な視点について述べる。 Brain-Computer Interfacesは、予測モデルを使用して、様々なハイテイクアプリケーションのために脳信号を解釈する。 BCI文学におけるXAIの統合的な視点は欠如している。
参考スコア（独自算出の注目度）: 6.786321327136925
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This review paper provides an integrated perspective of Explainable Artificial Intelligence techniques applied to Brain-Computer Interfaces. BCIs use predictive models to interpret brain signals for various high-stake applications. However, achieving explainability in these complex models is challenging as it compromises accuracy. The field of XAI has emerged to address the need for explainability across various stakeholders, but there is a lack of an integrated perspective in XAI for BCI (XAI4BCI) literature. It is necessary to differentiate key concepts like explainability, interpretability, and understanding in this context and formulate a comprehensive framework. To understand the need of XAI for BCI, we pose six key research questions for a systematic review and meta-analysis, encompassing its purposes, applications, usability, and technical feasibility. We employ the PRISMA methodology -- preferred reporting items for systematic reviews and meta-analyses to review (n=1246) and analyze (n=84) studies published in 2015 and onwards for key insights. The results highlight that current research primarily focuses on interpretability for developers and researchers, aiming to justify outcomes and enhance model performance. We discuss the unique approaches, advantages, and limitations of XAI4BCI from the literature. We draw insights from philosophy, psychology, and social sciences. We propose a design space for XAI4BCI, considering the evolving need to visualize and investigate predictive model outcomes customised for various stakeholders in the BCI development and deployment lifecycle. This paper is the first to focus solely on reviewing XAI4BCI research articles. This systematic review and meta-analysis findings with the proposed design space prompt important discussions on establishing standards for BCI explanations, highlighting current limitations, and guiding the future of XAI in BCI.
Abstract（参考訳）: 本稿では,脳-コンピューターインタフェースに応用される説明可能な人工知能技術の統合的展望について述べる。 BCIは予測モデルを使用して、様々なハイテイク応用のために脳信号を解釈する。しかし、これらの複雑なモデルで説明可能性を達成することは、精度を損なうため困難である。 XAIの分野は、様々な利害関係者間の説明可能性の必要性に対処するために現れてきたが、XAIにおけるBCI(XAI4BCI)文献の統合的な視点は欠如している。この文脈で説明可能性、解釈可能性、理解といった重要な概念を区別し、包括的な枠組みを定式化する必要がある。 BCIにおけるXAIの必要性を理解するため、系統的なレビューとメタ分析のために6つの重要な研究課題を提起し、その目的、応用、ユーザビリティ、技術的実現可能性について論じる。我々は, PRISMA法を用いて, 体系的レビューやメタアナリシス(n=1246)や2015年に発表された研究(n=84)を分析し, 重要な知見を得た。その結果、現在の研究は、主に開発者や研究者の解釈可能性に焦点を当てており、結果の正当化とモデルパフォーマンスの向上を目標としている。文献からのXAI4BCIのユニークなアプローチ、利点、限界について論じる。私たちは哲学、心理学、社会科学から洞察を引き出す。我々は,BCI開発および展開ライフサイクルにおいて,様々な利害関係者にカスタマイズされた予測モデル結果の可視化と調査の必要性を考慮し,XAI4BCIの設計空間を提案する。本論文はXAI4BCI研究論文のレビューのみに焦点を当てた最初の論文である。この体系的なレビューとメタアナリシスの成果は,BCIの説明基準の確立,現状の限界の明確化,BCIにおけるXAIの将来を導く上で重要な議論を促している。

関連論文リスト

User-centric evaluation of explainability of AI with and for humans: a comprehensive empirical study [5.775094401949666]
この研究はHuman-Centered Artificial Intelligence (HCAI)にある。一般的に使用されるeXplainable Artificial Intelligence (XAI)アルゴリズムのユーザ中心評価の結果に焦点を当てている。
論文参考訳（メタデータ） (2024-10-21T12:32:39Z)
Data Analysis in the Era of Generative AI [56.44807642944589]
本稿では,AIを活用したデータ分析ツールの可能性について考察する。我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
論文参考訳（メタデータ） (2024-09-27T06:31:03Z)
XEdgeAI: A Human-centered Industrial Inspection Framework with Data-centric Explainable Edge AI Approach [2.0209172586699173]
本稿では,新しいXAI統合視覚品質検査フレームワークを提案する。我々のフレームワークはXAIとLarge Vision Language Modelを組み込んで人間中心の解釈可能性を提供する。このアプローチは、重要な産業アプリケーションに信頼性と解釈可能なAIツールを広く採用する道を開くものだ。
論文参考訳（メタデータ） (2024-07-16T14:30:24Z)
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)
Investigating Fairness Disparities in Peer Review: A Language Model Enhanced Approach [77.61131357420201]
我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
論文参考訳（メタデータ） (2022-11-07T16:19:42Z)
Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
論文参考訳（メタデータ） (2021-06-14T20:48:48Z)
AR-LSAT: Investigating Analytical Reasoning of Text [57.1542673852013]
テキストの分析的推論の課題を研究し、1991年から2016年までのロースクール入学試験からの質問からなる新しいデータセットを紹介します。我々は,この課題をうまくこなすために必要な知識理解と推論能力を分析する。
論文参考訳（メタデータ） (2021-04-14T02:53:32Z)
What Do We Want From Explainable Artificial Intelligence (XAI)? -- A Stakeholder Perspective on XAI and a Conceptual Model Guiding Interdisciplinary XAI Research [0.8707090176854576]
説明可能性アプローチの主な目的は、人工システムに関する特定の関心、目標、期待、ニーズ、および要求を満たすことです。ステークホルダーのデシデラタを満たすという目標を達成するための説明可能性アプローチがどうあるべきかは、しばしば不明である。
論文参考訳（メタデータ） (2021-02-15T19:54:33Z)
Why model why? Assessing the strengths and limitations of LIME [0.0]
本稿では,LIME(Local Interpretable Model-Agnostic Explanations) xAIフレームワークの有効性について検討する。 LIMEは、文献で見られる最も人気のあるモデルに依存しないフレームワークの1つである。従来の性能評価手法を補うためにLIMEをどのように利用できるかを示す。
論文参考訳（メタデータ） (2020-11-30T21:08:07Z)
Should We Trust (X)AI? Design Dimensions for Structured Experimental Evaluations [19.68184991543289]
本稿では、説明可能な人工知能(XAI)のアプローチを構造化評価するための設計次元を体系的に導出する。それらは記述的な特徴づけを可能にし、異なる研究設計の比較を容易にする。彼らはさらにXAIの設計空間を構造化し、XAIの厳密な研究に必要な正確な用語に収束した。
論文参考訳（メタデータ） (2020-09-14T13:40:51Z)
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。