《可解释人工智能》最新报告，迈向高阶&可解纠缠可解释人工智能，Gregoire Montavon柏林自由大学，附Slide与视频

可解释人工智能领域已经产生了一些方法，这些方法可以鲁棒地识别广泛的复杂非线性ML模型，以及最相关的输入特征(例如像素)。许多解释技术，包括LRP，都可以称为一阶技术。他们为给定的示例及其相关的预测提取一组分数，表示每个输入特征对预测的贡献。在这次演讲中，我们将介绍基于LRP并增强其表现力的新发展。这些发展包括(1)识别出共同促进模型决策的特征对或特征集合(即高阶解释)，以及(2)将原始解释分解为多个分解的组件，共同解释整体预测。