論文の概要: Concerning Uncertainty -- A Systematic Survey of Uncertainty-Aware XAI

• arxiv url: http://arxiv.org/abs/2603.26838v1
• Date: Fri, 27 Mar 2026 08:07:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:44.658079
• Title: Concerning Uncertainty -- A Systematic Survey of Uncertainty-Aware XAI
• Title（参考訳）: 不確かさについて-不確かさを意識したXAIのシステム調査
• Authors: Helena Löfström, Tuwe Löfström, Anders Hjort, Fatima Rabia Yapicioglu,
• Abstract要約: 本稿では、不確実性が説明可能な人工知能(UAXAI)にどのように組み込まれるかを検討する。 不確実性に対する3つの繰り返しアプローチが出現する。信頼度の評価、モデルや説明の制約、不確実性を明確に伝達する。 UAXAIの進歩には、不確実性伝播、堅牢性、人間による意思決定を結びつける統一的な評価原則が必要であると我々は主張する。
• 参考スコア（独自算出の注目度）: 2.204918347869259
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper surveys uncertainty-aware explainable artificial intelligence (UAXAI), examining how uncertainty is incorporated into explanatory pipelines and how such methods are evaluated. Across the literature, three recurring approaches to uncertainty quantification emerge (Bayesian, Monte Carlo, and Conformal methods), alongside distinct strategies for integrating uncertainty into explanations: assessing trustworthiness, constraining models or explanations, and explicitly communicating uncertainty. Evaluation practices remain fragmented and largely model centered, with limited attention to users and inconsistent reporting of reliability properties (e.g., calibration, coverage, explanation stability). Recent work leans towards calibration, distribution free techniques and recognizes explainer variability as a central concern. We argue that progress in UAXAI requires unified evaluation principles that link uncertainty propagation, robustness, and human decision-making, and highlight counterfactual and calibration approaches as promising avenues for aligning interpretability with reliability.
• Abstract（参考訳）: 本稿では,不確実性を考慮した説明可能な人工知能(UAXAI)について,説明パイプラインに不確実性がどのように組み込まれているか,その評価方法について検討する。 文献全体では、不確実性定量化への3つの反復的なアプローチ(ベイジアン、モンテカルロ、コンフォーマル法)が出現し、不確実性を説明に組み込むための異なる戦略として、信頼度の評価、モデルや説明の制約、明確な不確実性の明確化がある。 評価プラクティスは、ユーザへの注意や信頼性特性(例えば、キャリブレーション、カバレッジ、説明安定性)の一貫性のない報告など、断片的で、主にモデル中心である。 最近の研究はキャリブレーションに傾き、自由なテクニックを配布し、説明変数を中心的な関心事として認識している。 UAXAIの進歩には、不確実性伝播、堅牢性、人的意思決定をリンクする統一的な評価原則が必要であり、解釈可能性と信頼性を整合させるための有望な方法として、対実的および校正的アプローチを強調している。

関連論文リスト

• No Single Metric Tells the Whole Story: A Multi-Dimensional Evaluation Framework for Uncertainty Attributions [0.31498833540989407]
  入力特徴に起因して予測の不確実性を説明する手法が提案されている。 本稿では, 正確性, 一貫性, 連続性, コンパクト性に関する具体的実装を提案する。 我々は,不確実性定量化と特徴帰属法を組み合わせた8つの指標を用いた評価枠組みを実証した。
  論文  参考訳（メタデータ） (2026-03-25T17:02:13Z)
• Uncertainty Propagation in XAI: A Comparison of Analytical and Empirical Estimators [1.0855602842179624]
  説明可能なAI(XAI)の不確実性を理解することは、信頼の構築に不可欠である。 本稿では,XAIにおける不確実性を定量化し,解釈するための統一的な枠組みを提案する。 分析的および実証的な説明分散の推定値を用いて、説明の不確かさが説明に与える影響を評価する体系的な手段を提供する。
  論文  参考訳（メタデータ） (2025-04-01T07:06:31Z)
• Probabilistic Modeling of Disparity Uncertainty for Robust and Efficient Stereo Matching [61.73532883992135]
  本稿では,新しい不確実性を考慮したステレオマッチングフレームワークを提案する。 我々はベイズリスクを不確実性の測定として採用し、データを別々に見積もり、不確実性をモデル化する。
  論文  参考訳（メタデータ） (2024-12-24T23:28:20Z)
• Know Where You're Uncertain When Planning with Multimodal Foundation Models: A Formal Framework [54.40508478482667]
  認識と計画生成の不確実性を解消し、定量化し、緩和する包括的枠組みを提案する。 本稿では,知覚と意思決定の独特な性質に合わせた手法を提案する。 この不確実性分散フレームワークは, 変動率を最大40%削減し, タスク成功率をベースラインに比べて5%向上させることを示した。
  論文  参考訳（メタデータ） (2024-11-03T17:32:00Z)
• A Structured Review of Literature on Uncertainty in Machine Learning & Deep Learning [0.8667724053232616]
  我々は、リスクに敏感なアプリケーション、すなわち不確実性を理解し、定量化するアプリケーションにおいて、機械学習を適応するための重要な関心事に焦点を当てる。 本稿では,このトピックを構造化した方法でアプローチし,不確実性がMLプロセスに封入されているというさまざまな側面の文献をレビューする。 このレビューの主な貢献は、不確実性議論の範囲を広げ、Deep Learningにおける不確実性定量化手法のレビューを更新することである。
  論文  参考訳（メタデータ） (2024-06-01T07:17:38Z)
• Uncertainty as a Form of Transparency: Measuring, Communicating, and Using Uncertainty [66.17147341354577]
  我々は,モデル予測に関連する不確実性を推定し,伝達することにより,相補的な透明性の形式を考えることについて議論する。 モデルの不公平性を緩和し、意思決定を強化し、信頼できるシステムを構築するために不確実性がどのように使われるかを説明する。 この研究は、機械学習、可視化/HCI、デザイン、意思決定、公平性にまたがる文学から引き出された学際的レビューを構成する。
  論文  参考訳（メタデータ） (2020-11-15T17:26:14Z)

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。