随着广泛的应用,人工智能(AI)催生了一系列与人工智能相关的研究活动。其中一个领域就是可解释的人工智能。它是值得信赖的人工智能系统的重要组成部分。本文概述了可解释的人工智能方法,描述了事后人工智能系统(为先前构建的常规人工智能系统提供解释)和事后人工智能系统(从一开始就配置为提供解释)。解释的形式多种多样:基于特征的解释、基于说明性训练样本的解释、基于嵌入式表示的解释、基于热度图的解释。也有结合了神经网络模型和图模型的概率解释。可解释人工智能与许多人工智能研究前沿领域密切相关,如神经符号人工智能和机器教学

成为VIP会员查看完整内容
131

相关内容

最新「注意力机制」大综述论文,66页pdf569篇文献
专知会员服务
205+阅读 · 2021年4月2日
【AAAI2021 Tutorial】工业界负责任的人工智能,262页ppt
专知会员服务
115+阅读 · 2021年2月7日
专知会员服务
71+阅读 · 2020年9月20日
【哈佛大学】机器学习的黑盒解释性,52页ppt
专知会员服务
168+阅读 · 2020年5月27日
AAAI 2020 最新“可解释人工智能 XAI”教程
学术头条
5+阅读 · 2020年2月11日
【综述】医疗可解释人工智能综述论文
专知
33+阅读 · 2019年7月18日
115页Slides带你领略深度生成模型全貌(附PPT)
数据派THU
12+阅读 · 2018年7月31日
Arxiv
24+阅读 · 2021年1月25日
Learning from Few Samples: A Survey
Arxiv
77+阅读 · 2020年7月30日
Arxiv
16+阅读 · 2020年5月20日
Neural Response Generation with Meta-Words
Arxiv
6+阅读 · 2019年6月14日
Arxiv
5+阅读 · 2018年9月11日
Arxiv
9+阅读 · 2018年3月23日
Arxiv
16+阅读 · 2018年2月7日
VIP会员
相关VIP内容
相关论文
Arxiv
24+阅读 · 2021年1月25日
Learning from Few Samples: A Survey
Arxiv
77+阅读 · 2020年7月30日
Arxiv
16+阅读 · 2020年5月20日
Neural Response Generation with Meta-Words
Arxiv
6+阅读 · 2019年6月14日
Arxiv
5+阅读 · 2018年9月11日
Arxiv
9+阅读 · 2018年3月23日
Arxiv
16+阅读 · 2018年2月7日
微信扫码咨询专知VIP会员