Fugu-MT 論文翻訳(概要): $EvoAl^{2048}$

論文の概要: $EvoAl^{2048}$

arxiv url: http://arxiv.org/abs/2408.16780v1
Date: Thu, 15 Aug 2024 21:06:18 GMT
ステータス: 処理完了
システム内更新日: 2024-09-08 15:50:41.155267
Title: $EvoAl^{2048}$
Title（参考訳）: $EvoAl^{2048}$
Authors: Bernhard J. Berger, Christina Plump, Rolf Drechsler,
Abstract要約: 本稿では,解釈可能かつ説明可能なポリシーの探索にモデル駆動最適化を適用することを報告する。本稿では,オープンソースソフトウェア EvoAl を用いた GECCO'24 Interpretable Control Competition のソリューションについて述べる。
参考スコア（独自算出の注目度）: 2.5526759890882764
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: As AI solutions enter safety-critical products, the explainability and interpretability of solutions generated by AI products become increasingly important. In the long term, such explanations are the key to gaining users' acceptance of AI-based systems' decisions. We report on applying a model-driven-based optimisation to search for an interpretable and explainable policy that solves the game 2048. This paper describes a solution to the GECCO'24 Interpretable Control Competition using the open-source software EvoAl. We aimed to develop an approach for creating interpretable policies that are easy to adapt to new ideas.
Abstract（参考訳）: AIソリューションが安全クリティカルな製品に入ると、AI製品によって生成されるソリューションの説明可能性と解釈可能性もますます重要になる。長期的には、このような説明がAIベースのシステムの決定をユーザーが受け入れる鍵となる。ゲーム2048を解くための解釈可能かつ説明可能なポリシーを探索するためにモデル駆動型最適化を適用することを報告する。本稿では,オープンソースソフトウェア EvoAl を用いた GECCO'24 Interpretable Control Competition のソリューションについて述べる。我々は、新しいアイデアに容易に適応できる解釈可能なポリシーを作成するためのアプローチを開発することを目指していた。

関連論文リスト

AI Olympics challenge with Evolutionary Soft Actor Critic [5.076263094490715]
私たちのソリューションは、モデルフリーのDeep Reinforcement Learningアプローチと進化戦略を組み合わせています。使用済みのアルゴリズムを簡潔に説明し、そのアプローチの詳細を提供する。
論文参考訳（メタデータ） (2024-09-02T09:34:18Z)
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)
PresAIse, A Prescriptive AI Solution for Enterprises [6.523929486550928]
本稿は、IBM Researchのイニシアチブの概要であり、一連の規範的AIソリューションを提供することによって、これらの課題のいくつかに対処することを目的としている。ソリューションスイートには、スケーラブルな因果推論方法、解釈可能な意思決定アプローチ、大規模言語モデルの統合が含まれている。概念実証であるPresAIseは、非MLの専門家が自然言語インターフェースを介して規範的なAIモデルと対話できるようにすることで、ソリューションの可能性を示している。
論文参考訳（メタデータ） (2024-02-03T03:23:08Z)
Emergent Explainability: Adding a causal chain to neural network inference [0.0]
本稿では,創発的コミュニケーション(EmCom)による説明可能な人工知能(xAI)の強化のための理論的枠組みを提案する。我々は、EmComのAIシステムへの新たな統合を探求し、入力と出力の間の従来の連想関係から、より微妙で因果的解釈へのパラダイムシフトを提供する。本稿は、このアプローチの理論的基盤、潜在的に広い応用、そして、責任と透明なAIシステムに対するニーズの増大と整合性について論じる。
論文参考訳（メタデータ） (2024-01-29T02:28:39Z)
IndigoVX: Where Human Intelligence Meets AI for Optimal Decision Making [0.0]
本稿では、最適なゴール解決のためのAIによる人間の知能向上のための新しいアプローチを定義する。提案するAIであるIndigoは、反復ゴール指向最適化によるインフォームド数値決定の頭字語である。我々は、この手法がゲームやビジネス戦略に適用され、人間が戦略的な状況を提供し、AIが最適なデータ駆動の行動を提供するように考えます。
論文参考訳（メタデータ） (2023-07-21T11:54:53Z)
Explainable Data-Driven Optimization: From Context to Decision and Back Again [76.84947521482631]
データ駆動最適化では、コンテキスト情報と機械学習アルゴリズムを使用して、不確実なパラメータによる決定問題の解決策を見つける。本稿では,データ駆動型問題に対する解法を説明するために,対実的説明手法を提案する。在庫管理やルーティングといった運用管理における重要な問題を説明することで,我々のアプローチを実証する。
論文参考訳（メタデータ） (2023-01-24T15:25:16Z)
An interdisciplinary conceptual study of Artificial Intelligence (AI) for helping benefit-risk assessment practices: Towards a comprehensive qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。目的は、AIシステムを評価するための共有概念や相違点を特定することである。
論文参考訳（メタデータ） (2021-05-07T12:01:31Z)
Decision Rule Elicitation for Domain Adaptation [93.02675868486932]
ヒトインザループ機械学習は、専門家からラベルを引き出すために人工知能(AI)で広く使用されています。この作業では、専門家が意思決定を説明する決定ルールを作成できるようにします。決定規則の適用はアルゴリズムのドメイン適応を改善し、専門家の知識をAIモデルに広めるのに役立つことを示す。
論文参考訳（メタデータ） (2021-02-23T08:07:22Z)
End-to-End Learning and Intervention in Games [60.41921763076017]
ゲームにおける学習と介入のための統一的なフレームワークを提供する。明示的および暗黙的な区別に基づく2つのアプローチを提案する。分析結果は、実世界のいくつかの問題を用いて検証される。
論文参考訳（メタデータ） (2020-10-26T18:39:32Z)
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。