論文の概要: Using Learning Theories to Evolve Human-Centered XAI: Future Perspectives and Challenges
- arxiv url: http://arxiv.org/abs/2604.19788v1
- Date: Wed, 01 Apr 2026 06:25:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-04 02:32:14.080022
- Title: Using Learning Theories to Evolve Human-Centered XAI: Future Perspectives and Challenges
- Title（参考訳）: 人間中心のXAIを進化させるための学習理論 : 今後の展望と課題
- Authors: Karina Cortinas-Lorenzo, Gavin Doherty,
- Abstract要約: 学習理論がXAIライフサイクルにどのように注入されるかについて議論する。
我々は、学習者中心のXAI(Explainable AI)アプローチは、人間のエージェントを強化し、XAIのリスク軽減を容易にすることができると論じる。
- 参考スコア（独自算出の注目度）: 4.469975998915528
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As Artificial Intelligence (AI) systems continue to grow in size and complexity, so does the difficulty of the quest for AI transparency. In a world of large models and complex AI systems, why do we explain AI and what should we explain? While explanations serve multiple functions, in the face of complexity humans have used and continue to use explanations to foster learning. In this position paper, we discuss how learning theories can be infused in the XAI lifecycle, as well as the key opportunities and challenges when adopting a learner-centered approach to assess, design and evaluate AI explanations. Building on past work, we argue that a learner-centered approach to Explainable AI (XAI) can enhance human agency and ease XAI risks mitigation, helping evolve the practice of human-centered XAI.
- Abstract（参考訳）: 人工知能(AI)システムはサイズと複雑さが増し続けており、AI透明性の追求も困難である。
大規模なモデルと複雑なAIシステムの世界では、なぜAIを説明し、何を説明するべきか?
説明は複数の機能に作用するが、複雑化に直面して人間が使用し、学習を促進するために説明を使い続けている。
本稿では、XAIライフサイクルにおける学習理論の注入方法と、学習者中心のアプローチを用いてAIの説明を評価し、設計し、評価する際の重要な機会と課題について論じる。
過去の研究に基づいて、学習者中心のXAI(Explainable AI)アプローチは、人間のエージェントを強化し、XAIリスク軽減を緩和し、人間中心のXAIの実践の進化を支援することができると論じている。
関連論文リスト
- CoAX: Cognitive-Oriented Attribution eXplanation User Model of Human Understanding of AI Explanations [8.572512533736312]
XAIは、AIモデルを使用する際のユーザ理解と意思決定を改善することを目的としている。
最近のユーザ評価では、この目標が先入観的であることが明らかになっている。
我々は,AI決定を予想する意思決定タスクにおいて,異なるXAI手法に対する様々な推論戦略を検討した。
論文 参考訳（メタデータ） (2026-04-30T03:12:11Z) - Imagining and building wise machines: The centrality of AI metacognition [78.76893632793497]
我々は人間の知恵について知られているものを調べ、そのAIのビジョンをスケッチする。
AIシステムは特にメタ認知に苦しむ。
スマートAIのベンチマーク、トレーニング、実装について論じる。
論文 参考訳（メタデータ） (2024-11-04T18:10:10Z) - Explaining Explaining [0.882727051273924]
高度なAIシステムに自信を持つ人々にとって、説明は鍵となる。
マシンラーニングベースのシステムは、通常はブラックボックスであるため、説明できない。
認知エージェント開発におけるハイブリッドアプローチについて述べる。
論文 参考訳（メタデータ） (2024-09-26T16:55:44Z) - 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) - Seamful XAI: Operationalizing Seamful Design in Explainable AI [59.89011292395202]
AIシステムのミスは必然的であり、技術的制限と社会技術的ギャップの両方から生じる。
本稿では, 社会工学的・インフラ的ミスマッチを明らかにすることにより, シームレスな設計がAIの説明可能性を高めることを提案する。
43人のAI実践者と実際のエンドユーザでこのプロセスを探求します。
論文 参考訳（メタデータ） (2022-11-12T21:54:05Z) - 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) - Cybertrust: From Explainable to Actionable and Interpretable AI (AI2) [58.981120701284816]
Actionable and Interpretable AI (AI2)は、AIレコメンデーションにユーザの信頼度を明確に定量化し視覚化する。
これにより、AIシステムの予測を調べてテストすることで、システムの意思決定に対する信頼の基盤を確立することができる。
論文 参考訳（メタデータ） (2022-01-26T18:53:09Z) - A User-Centred Framework for Explainable Artificial Intelligence in
Human-Robot Interaction [70.11080854486953]
本稿では,XAIのソーシャル・インタラクティブな側面に着目したユーザ中心型フレームワークを提案する。
このフレームワークは、エキスパートでないユーザのために考えられた対話型XAIソリューションのための構造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） (2021-09-27T09:56:23Z) - 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) - Questioning the AI: Informing Design Practices for Explainable AI User
Experiences [33.81809180549226]
説明可能なAI(XAI)への関心の高まりは、このトピックに関する膨大なアルゴリズム作業の収集につながった。
私たちは、説明可能なAI製品を作成するための現在のXAIアルゴリズム作業とプラクティスのギャップを特定しようとしています。
我々は,ユーザが説明責任を表現できるXAI質問バンクを開発した。
論文 参考訳（メタデータ） (2020-01-08T12:34:51Z)
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。