論文の概要: An Open API Architecture to Discover the Trustworthy Explanation of Cloud AI Services

• arxiv url: http://arxiv.org/abs/2411.03376v1
• Date: Tue, 05 Nov 2024 16:52:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-07 19:22:28.376946
• Title: An Open API Architecture to Discover the Trustworthy Explanation of Cloud AI Services
• Title（参考訳）: クラウドAIサービスの信頼できる説明を明らかにするためのオープンAPIアーキテクチャ
• Authors: Zerui Wang, Yan Liu, Jun Huang,
• Abstract要約: この記事では、クラウドAIサービスのための機能コントリビューション説明を提供するために、オープンAPIベースの説明可能なAI(XAI)サービスの設計について説明する。 我々は、XAI操作をクラウドAIサービスアセスメントに統合するために、XAI操作がオープンAPIとしてアクセス可能であることを論じる。
• 参考スコア（独自算出の注目度）: 11.170826645382661
• License:
• Abstract: This article presents the design of an open-API-based explainable AI (XAI) service to provide feature contribution explanations for cloud AI services. Cloud AI services are widely used to develop domain-specific applications with precise learning metrics. However, the underlying cloud AI services remain opaque on how the model produces the prediction. We argue that XAI operations are accessible as open APIs to enable the consolidation of the XAI operations into the cloud AI services assessment. We propose a design using a microservice architecture that offers feature contribution explanations for cloud AI services without unfolding the network structure of the cloud models. We can also utilize this architecture to evaluate the model performance and XAI consistency metrics showing cloud AI services trustworthiness. We collect provenance data from operational pipelines to enable reproducibility within the XAI service. Furthermore, we present the discovery scenarios for the experimental tests regarding model performance and XAI consistency metrics for the leading cloud vision AI services. The results confirm that the architecture, based on open APIs, is cloud-agnostic. Additionally, data augmentations result in measurable improvements in XAI consistency metrics for cloud AI services.
• Abstract（参考訳）: この記事では、クラウドAIサービスのための機能コントリビューション説明を提供するために、オープンAPIベースの説明可能なAI(XAI)サービスの設計について説明する。 クラウドAIサービスは、正確な学習メトリクスを持つドメイン固有のアプリケーションを開発するために広く使用されている。 しかし、基盤となるクラウドAIサービスは、モデルがどのように予測を生成するかに関して不透明である。 我々は、XAI操作をクラウドAIサービスアセスメントに統合するために、XAI操作がオープンAPIとしてアクセス可能であることを論じる。 我々は、クラウドモデルのネットワーク構造を広げることなく、クラウドAIサービスに機能コントリビューションの説明を提供するマイクロサービスアーキテクチャを用いた設計を提案する。 また、このアーキテクチャを使用して、モデルパフォーマンスとクラウドAIサービスの信頼性を示すXAI一貫性メトリクスを評価することもできます。 XAIサービス内で再現性を実現するために,運用パイプラインから成果データを収集します。 さらに、主要なクラウドビジョンAIサービスのためのモデルパフォーマンスとXAI一貫性メトリクスに関する実験的なテストの発見シナリオを示す。 その結果、オープンAPIに基づいたアーキテクチャがクラウドに依存しないことが確認された。 さらに、データ拡張は、クラウドAIサービスのXAI一貫性メトリクスを測定可能な改善をもたらす。

関連論文リスト

• XAIport: A Service Framework for the Early Adoption of XAI in AI Model Development [7.196813936746303]
  本稿では、説明可能なAI(XAI)の早期導入について、3つの特性に焦点をあてて提案する。 我々は、XAIのフレームワークであるXAIportをOpen APIにカプセル化し、モデル品質保証を学習するための観察として初期の説明を提供する。
  論文  参考訳（メタデータ） (2024-03-25T15:22:06Z)
• Cloud-based XAI Services for Assessing Open Repository Models Under Adversarial Attacks [7.500941533148728]
  計算コンポーネントとアセスメントタスクをパイプラインにカプセル化するクラウドベースのサービスフレームワークを提案する。 我々は、AIモデルの5つの品質特性を評価するために、XAIサービスの応用を実証する。
  論文  参考訳（メタデータ） (2024-01-22T00:37:01Z)
• Scalable, Distributed AI Frameworks: Leveraging Cloud Computing for Enhanced Deep Learning Performance and Efficiency [0.0]
  近年、人工知能(AI)とクラウドコンピューティングの統合は、AIアプリケーションの計算要求の増加に対処するための有望な道として現れている。 本稿では,クラウドコンピューティングを活用したスケーラブルな分散AIフレームワークの総合的研究を行い,ディープラーニングの性能向上と効率化について述べる。
  論文  参考訳（メタデータ） (2023-04-26T15:38:00Z)
• AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities and Challenges [60.56413461109281]
  IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。 我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。 主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
  論文  参考訳（メタデータ） (2023-04-10T15:38:12Z)
• Guiding AI-Generated Digital Content with Wireless Perception [69.51950037942518]
  本稿では,AIGC(AIGC)と無線認識を統合し,デジタルコンテンツ制作の質を向上させる。 このフレームワークは、単語の正確な記述が難しいユーザの姿勢を読み取るために、新しいマルチスケール認識技術を採用し、それをスケルトン画像としてAIGCモデルに送信する。 生産プロセスはAIGCモデルの制約としてユーザの姿勢を強制するため、生成されたコンテンツはユーザの要求に適合する。
  論文  参考訳（メタデータ） (2023-03-26T04:39:03Z)
• Instance As Identity: A Generic Online Paradigm for Video Instance Segmentation [84.3695480773597]
  我々はインスタンス・アズ・アイデンティティ(IAI)という新しいオンラインVISパラダイムを提案する。 IAIは、検出と追跡の両方の時間情報を効率的な方法でモデル化する。 3つのVISベンチマークで広範な実験を行う。
  論文  参考訳（メタデータ） (2022-08-05T10:29:30Z)
• Edge-Cloud Polarization and Collaboration: A Comprehensive Survey [61.05059817550049]
  クラウドとエッジ両方のAIの体系的なレビューを行います。 私たちはクラウドとエッジモデリングの協調学習メカニズムを最初にセットアップしました。 我々は現在進行中の最先端AIトピックの可能性と実践経験について議論する。
  論文  参考訳（メタデータ） (2021-11-11T05:58:23Z)
• Auto-Split: A General Framework of Collaborative Edge-Cloud AI [49.750972428032355]
  本稿では,Huawei Cloudのエッジクラウド共同プロトタイプであるAuto-Splitの技法と技術実践について述べる。 私たちの知る限りでは、Deep Neural Network(DNN)分割機能を提供する既存の産業製品はありません。
  論文  参考訳（メタデータ） (2021-08-30T08:03:29Z)
• Study on State-of-the-art Cloud Services Integration Capabilities with Autonomous Ground Vehicles [1.0323063834827415]
  この研究は、AGVオペレーションにおける主要なクラウドサービスプロバイダの適用性に関する洞察を得るために、定性的な分析を必要とする。 この調査は、最も適切なクラウドサービスを特定するための根拠を決定するのに必要なAGV技術要件の簡単なレビューから始まる。 我々の結論は、汎用AGVアーキテクチャは最先端のクラウドサービスによってサポートできるが、プライマリコンピューティングとセカンダリコンピューティングの明確な分離線があるはずだ。
  論文  参考訳（メタデータ） (2020-08-11T16:56:14Z)
• A Privacy-Preserving Distributed Architecture for Deep-Learning-as-a-Service [68.84245063902908]
  本稿では,ディープラーニング・アズ・ア・サービスのための分散アーキテクチャを提案する。 クラウドベースのマシンとディープラーニングサービスを提供しながら、ユーザの機密データを保存できる。
  論文  参考訳（メタデータ） (2020-03-30T15:12:03Z)

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。