論文の概要: Counterfactual Explanations and the Scope of Contestability

• arxiv url: http://arxiv.org/abs/2608.24562v1
• Date: Tue, 25 Aug 2026 13:45:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-26 14:09:35.006908
• Title: Counterfactual Explanations and the Scope of Contestability
• Title（参考訳）: 反現実的説明と論証可能性のスコープ
• Abstract要約: 本稿では,特定の知識の提供によってエージェンシーを復活させる方法について述べる。 我々は、特定のタイプの説明、反事実的説明が、アルゴリズム決定に異議を唱える能力を促進するかどうかを論じる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The automation of consequential decisions through opaque machine learning models in societal domains impedes our agency. This paper is about how agency can be reinstated by the provision of certain kinds of knowledge. More precisely, we discuss whether a specific type of explanation, counterfactual explanations, facilitates our ability to contest algorithmic decisions. Against this backdrop, our paper makes three contributions: First, we develop an account of contestability, where contestability is defined as the provision of information, sufficient for a decision-subject to use as a basis for demanding that a decision be revoked. We also demarcate contestability from adjacent concepts in the discourse surrounding the right to explanation, such as justification and recourse. Second, we examine to what extent counterfactual explanations are conducive to contestability by considering a variety of failure modes causing problematic algorithmic decisions and scrutinize to what extent counterfactual explanations help us detect the underlying errors. Third, we propose ways in which, with certain modifications, counterfactual explanations can be made more fitting to serve the desired function. In this vein, we sketch the contours of a multi-shot approach to counterfactuals, where decision-subjects can query a model to test their own counterfactuals for a (limited) number of times.
• Abstract（参考訳）: 社会的領域における不透明な機械学習モデルによる逐次決定の自動化は、当社の機関を妨げます。 本稿では,特定の知識の提供によってエージェンシーを復活させる方法について述べる。 より正確には、特定のタイプの説明、反事実的説明が、アルゴリズム決定に異議を唱える能力を促進するかどうかを議論する。 この背景から,本稿では3つのコントリビューションを行う。まず,コントリビュータビリティについて,コントリビュータビリティを情報提供として定義する。 また、説明権を取り巻く言説において、係争性は、正当化や言説など、隣接する概念と区別する。 第2に、問題となるアルゴリズム決定の原因となる様々な障害モードを考慮し、その原因となる誤りを検出するのにどの程度の反事実的説明が役立つかを精査する。 第三に、特定の修正を伴って、所望の機能に適合する反実的な説明を行える方法を提案する。 ここでは,意思決定対象がモデルに問い合わせて,(限定的な)数回,自己の反事実をテストできるような,マルチショットアプローチの反事実に対する輪郭をスケッチする。

関連論文リスト

• Taking the Whys Seriously: Limitations of Counterfactual Explanations in Justification and Recourse [4.001780301402232]
  対物的説明(CE)は説明可能な人工知能(AI)に広く使われている 本稿では, 実生活モデル配置設定において, カウンターファクトアルを用いた場合の規範的正当性について検討する。 正当化とリコースのためのCEの素直な適用は、機械学習(ML)パイプライン全体を通してなされた競合可能な選択を無視してしまう可能性があることに気付きました。
  論文  参考訳（メタデータ） (2026-08-31T15:24:19Z)
• Explainable AI Isn't Enough! Rethinking Algorithmic Contestability [3.135152720206845]
  本稿では,会話の自然な補完として,競争可能性の運用的定義を提案する。 我々は,意思決定者の倫理基準に従って,逆転を保証している3種類の証拠を同定する。 これらの決定は規範的に無防備であり、競争に成功している、と我々は主張する。
  論文  参考訳（メタデータ） (2026-05-15T15:14:13Z)
• Clarify When Necessary: Resolving Ambiguity Through Interaction with LMs [58.620269228776294]
  そこで本稿では,ユーザに対して,あいまいさを解消するためのタスク非依存のフレームワークを提案する。 我々は3つのNLPアプリケーション(質問応答、機械翻訳、自然言語推論)にまたがるシステムを評価する。 インテントシムは堅牢であり、幅広いNLPタスクやLMの改善を実証している。
  論文  参考訳（メタデータ） (2023-11-16T00:18:50Z)
• 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)
• Explaining $\mathcal{ELH}$ Concept Descriptions through Counterfactual Reasoning [3.5323691899538128]
  分類を本質的に透過的に行う方法は、記述論理の概念を使用することである。 一つの解決策は、「異なる分類を得るために特徴値をどう変えなければならないか」という疑問に答えるために反事実を用いることである。
  論文  参考訳（メタデータ） (2023-01-12T16:06:06Z)
• Logical Satisfiability of Counterfactuals for Faithful Explanations in NLI [60.142926537264714]
  本稿では, 忠実度スルー・カウンタファクトの方法論について紹介する。 これは、説明に表される論理述語に基づいて、反実仮説を生成する。 そして、そのモデルが表現された論理と反ファクトの予測が一致しているかどうかを評価する。
  論文  参考訳（メタデータ） (2022-05-25T03:40:59Z)
• Exploring the Trade-off between Plausibility, Change Intensity and Adversarial Power in Counterfactual Explanations using Multi-objective Optimization [73.89239820192894]
  自動対物生成は、生成した対物インスタンスのいくつかの側面を考慮すべきである。 本稿では, 対実例生成のための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2022-05-20T15:02:53Z)
• Counterfactual Explanations in Sequential Decision Making Under Uncertainty [27.763369810430653]
  本研究では, 逐次的意思決定プロセスにおいて, 対実的説明を求める手法を開発した。 我々の問題定式化において、反実的説明は、少なくとも k 個の作用において異なる作用の別の列を特定する。 提案アルゴリズムは,不確実性の下での意思決定の促進に有用な洞察を与えることができることを示す。
  論文  参考訳（メタデータ） (2021-07-06T17:38:19Z)
• Contrastive Explanations for Model Interpretability [77.92370750072831]
  分類モデルの対照的説明を生成する手法を提案する。 本手法は潜在空間へのモデル表現の投影に基づいている。 本研究は,モデル決定のより正確できめ細かな解釈性を提供するためのラベルコントラスト的説明の能力に光を当てた。
  論文  参考訳（メタデータ） (2021-03-02T00:36:45Z)
• Inverse Active Sensing: Modeling and Understanding Timely Decision-Making [111.07204912245841]
  我々は,内因性,文脈依存型時間圧下でのエビデンスに基づく意思決定の一般的な設定のための枠組みを開発する。 意思決定戦略において、サプライズ、サスペンス、最適性の直感的な概念をモデル化する方法を実証する。
  論文  参考訳（メタデータ） (2020-06-25T02:30:45Z)
• Algorithmic Recourse: from Counterfactual Explanations to Interventions [16.9979815165902]
  反事実的な説明は、どこに着く必要があるのかを個人に知らせるが、そこにたどり着くには至らない、と我々は主張する。 代わりに、最小限の介入を通して、最も近い対実的な説明から言い換えへのパラダイムシフトを提案する。
  論文  参考訳（メタデータ） (2020-02-14T22:49:42Z)
• Explaining Data-Driven Decisions made by AI Systems: The Counterfactual Approach [11.871523410051527]
  我々は、その決定を因果的に駆動するシステムのデータ入力の集合として、説明を考察する。 モデル予測において重要な重みを持つ特徴が対応する決定に影響を及ぼさない可能性があることを示す。
  論文  参考訳（メタデータ） (2020-01-21T09:58:58Z)

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。