“可解释性”相关研究及应用 | CCF数图焦点第18期

点击底部“阅读原文”可浏览《CCF数图焦点》第18期详细内容

编者寄语

近年来，以深度学习为代表的人工智能取得突破性进展,然而海量的参数与复杂的处理机制, 使得人类很难追溯与理解其推理过程,造成“知其然,不知其所以然” ，引发人们对算法可信性、公平性产生质疑，一定程度上影响了其在无人驾驶、精准医疗、智能交通等高风险决策工程中的大规模应用．因此探究深度学习的可解释性成为当前人工智能领域研究的新课题。

可解释性相关的研究及应用有所涌现，多个期刊不约而同发表了深度学习可解释性的相关综述，角度和侧重有所差异，本期专题将他们进行汇总，以便读者辨析阅读。利用可解释推理机制对知识图谱进行推断已受到广泛关注，本期专题包含了2位学者的报告视频。同时，专题中还包含AI的可解释探讨及其在安全领域中的应用介绍。

目录

 

本期主编： 

侯丽珊

《计算机研究与发展》编辑部主任

往期回顾

CCF数图焦点 第17期：群智协同计算

CCF数图焦点 第16期：智能异构系统

CCF数图焦点 第15期：优秀博士学位论文

CCF数图焦点 第14期：数据治理

CCF数图焦点 第13期：智能时代计算机专业系统能力培养探索与实践

CCF数图焦点 第12期：硬件安全与容错

CCF数图焦点 第11期：软件工程学科研究生课程建设

CCF数图焦点 第10期：新数字时代的计算机人才培养

CCF数图焦点 第9期：智能运维技术

CCF数图焦点 第8期：量子计算

点击底部“阅读原文”浏览本期《CCF数图焦点》更多内容。