人工智能（XAI）可解释性的研究进展！

文章预览

本文从数据为中心的角度，研究了数据收集、处理和分析如何有助于可解释的人工智能（XAI）。将现有工作分为三类，分别服务于对深度模型的解释、对训练数据的启示和对领域知识的洞察，并提炼出针对不同模式的数据挖掘操作和DNN行为描述符的数据挖掘方法，提供了一个全面的、以数据为中心的XAI从数据挖掘方法和应用的角度进行的考察。 1  介绍 随着人工智能的发展，深度神经网络取代了传统的决策制定技术，但它们的“黑盒”性质和广泛参数化阻碍了关键应用所需的透明度。可解释的人工智能已成为一个至关重要的领域，提出了提高机器学习可解释性的解决方案，如LIME等。XAI方法遵循类似于传统数据挖掘的有序过程，包括数据集成、算法集成和以人为本的分析。XAI增强了AI框架的可解释性、信任甚至知识理解，促进了人-AI协同的改善。与 ………………………………