会员服务
机器推理 · 可解释性 ·
2020 年 9 月 3 日
【机器推理可解释性】Machine Reasoning Explainability
专知会员服务
专知会员服务
专知，提供专业可信的知识分发服务，让认知协作更快更好！

作为人工智能的一个领域，机器推理(MR)主要使用符号手段来形式化和模拟抽象推理。早期MR的研究已经开始对可解释的人工智能(XAI)进行调查，这可以说是当今人工智能界最关心的问题之一。从那时起，关于可解释的MR以及人工智能其他领域可解释的MR方法的工作一直在继续。它在现代的MR branch中尤其有效，比如论证，约束和逻辑编程，规划。在此，我们旨在对MR可解释性技术和研究进行有选择性的概述，希望从这一长期研究中获得的见解能够很好地补充目前的XAI景观。这份文件报告了我们在MR解释能力方面的工作进展。

https://www.zhuanzhi.ai/paper/37288afae45ec5978cd94235cc8add1a

成为VIP会员查看完整内容
https://www.zhuanzhi.ai/paper/37288afae45ec5978cd94235cc8add1a
Machine Reasoning Explainability
34

相关内容

机器学习的可解释性
机器学习的可解释性
专知会员服务
175+阅读 · 2020年8月27日
【CIKM2020】神经逻辑推理，Neural Logic Reasoning
【CIKM2020】神经逻辑推理，Neural Logic Reasoning
专知会员服务
50+阅读 · 2020年8月25日
【开放书】贝叶斯推理与机器学习，690页pdf，Bayesian Reasoning and Machine Learning
【开放书】贝叶斯推理与机器学习，690页pdf，Bayesian Reasoning and Machine Learning
专知会员服务
189+阅读 · 2020年5月30日
【IJCAI2020】从语言图谱到常识图谱，TransOMCS: From Linguistic Graphs to Commonsense Knowledge
【IJCAI2020】从语言图谱到常识图谱，TransOMCS: From Linguistic Graphs to Commonsense Knowledge
专知会员服务
25+阅读 · 2020年5月6日
【推荐论文】可解释知识使能系统基础，26页pdf，Foundations of Explainable Knowledge-Enabled Systems
【推荐论文】可解释知识使能系统基础，26页pdf，Foundations of Explainable Knowledge-Enabled Systems
专知会员服务
32+阅读 · 2020年3月18日
【CHI2020-微软】解释可解释性:理解数据科学家使用机器学习的可解释性工具，Interpreting Interpretability: Understanding Data Scientists’Use of Interpretability Tools for Machine Learning
【CHI2020-微软】解释可解释性:理解数据科学家使用机器学习的可解释性工具，Interpreting Interpretability: Understanding Data Scientists’Use of Interpretability Tools for Machine Learning
专知会员服务
54+阅读 · 2020年3月8日
【CHI2020-微软】解释可解释性:理解数据科学家使用机器学习的可解释性工具
【CHI2020-微软】解释可解释性:理解数据科学家使用机器学习的可解释性工具
专知会员服务
102+阅读 · 2020年3月8日
AAAI2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
AAAI2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
专知会员服务
115+阅读 · 2020年1月13日
机器学习与物理科学（Machine learning and the physical sciences），附44页pdf
机器学习与物理科学（Machine learning and the physical sciences），附44页pdf
专知会员服务
49+阅读 · 2019年12月10日
【IJCAI 2019】人工智能中的认知推理（Epistemic reasoning in AI），法国雷恩François Schwarzentruber，Tristan Charrier
【IJCAI 2019】人工智能中的认知推理（Epistemic reasoning in AI），法国雷恩François Schwarzentruber，Tristan Charrier
专知会员服务
21+阅读 · 2019年8月10日
知识图谱简史：从1950到2019
知识图谱简史：从1950到2019
专知
25+阅读 · 2019年12月2日
可解释人工智能XAI进展，看这份100页PPT为你讲解
可解释人工智能XAI进展，看这份100页PPT为你讲解
专知
47+阅读 · 2019年10月27日
AI可解释性文献列表
AI可解释性文献列表
专知
42+阅读 · 2019年10月7日
知识图谱如何用于可解释人工智能中？KGC2019这份教程为你讲解（附34页ppt）
知识图谱如何用于可解释人工智能中？KGC2019这份教程为你讲解（附34页ppt）
专知
47+阅读 · 2019年5月12日
【资源推荐】AI可解释性资源汇总
【资源推荐】AI可解释性资源汇总
专知
47+阅读 · 2019年4月24日
【Awesome】最全的机器学习可解释性资料（machine-learning-interpretability）
【Awesome】最全的机器学习可解释性资料（machine-learning-interpretability）
专知
29+阅读 · 2019年3月1日
AAA2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
AAA2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
专知
17+阅读 · 2019年1月28日
人工智能能够预测地震吗？
人工智能能够预测地震吗？
人工智能学家
7+阅读 · 2018年12月10日
NIPS 2018 | MIT等提出NS-VQA：结合深度学习与符号推理的视觉问答
NIPS 2018 | MIT等提出NS-VQA：结合深度学习与符号推理的视觉问答
机器之心
5+阅读 · 2018年10月10日
讨论 | 你是否遇到过你完全不能理解的机器学习概念？
讨论 | 你是否遇到过你完全不能理解的机器学习概念？
AI科技评论
3+阅读 · 2017年11月25日
Machine Reasoning Explainability
Arxiv
14+阅读 · 2020年9月1日
Knowledge Aware Conversation Generation with Explainable Reasoning over Augmented Graphs
Knowledge Aware Conversation Generation with Explainable Reasoning over Augmented Graphs
Arxiv
3+阅读 · 2019年9月3日
Explainable Recommendation: A Survey and New Perspectives
Explainable Recommendation: A Survey and New Perspectives
Arxiv
65+阅读 · 2019年8月15日
Attention Is (not) All You Need for Commonsense Reasoning
Arxiv
7+阅读 · 2019年5月31日
Iteratively Learning Embeddings and Rules for Knowledge Graph Reasoning
Arxiv
7+阅读 · 2019年3月21日
Metrics for Explainable AI: Challenges and Prospects
Metrics for Explainable AI: Challenges and Prospects
Arxiv
4+阅读 · 2018年12月11日
Explainable Reasoning over Knowledge Graphs for Recommendation
Arxiv
11+阅读 · 2018年11月12日
HotpotQA: A Dataset for Diverse, Explainable Multi-hop Question Answering
HotpotQA: A Dataset for Diverse, Explainable Multi-hop Question Answering
Arxiv
4+阅读 · 2018年9月25日
TTMF: A Triple Trustworthiness Measurement Frame for Knowledge Graphs
TTMF: A Triple Trustworthiness Measurement Frame for Knowledge Graphs
Arxiv
8+阅读 · 2018年9月25日
Tell-and-Answer: Towards Explainable Visual Question Answering using Attributes and Captions
Arxiv
9+阅读 · 2018年1月27日
VIP会员
相关主题
机器推理
可解释性
相关VIP内容
机器学习的可解释性
机器学习的可解释性
专知会员服务
175+阅读 · 2020年8月27日
【CIKM2020】神经逻辑推理，Neural Logic Reasoning
【CIKM2020】神经逻辑推理，Neural Logic Reasoning
专知会员服务
50+阅读 · 2020年8月25日
【开放书】贝叶斯推理与机器学习，690页pdf，Bayesian Reasoning and Machine Learning
【开放书】贝叶斯推理与机器学习，690页pdf，Bayesian Reasoning and Machine Learning
专知会员服务
189+阅读 · 2020年5月30日
【IJCAI2020】从语言图谱到常识图谱，TransOMCS: From Linguistic Graphs to Commonsense Knowledge
【IJCAI2020】从语言图谱到常识图谱，TransOMCS: From Linguistic Graphs to Commonsense Knowledge
专知会员服务
25+阅读 · 2020年5月6日
【推荐论文】可解释知识使能系统基础，26页pdf，Foundations of Explainable Knowledge-Enabled Systems
【推荐论文】可解释知识使能系统基础，26页pdf，Foundations of Explainable Knowledge-Enabled Systems
专知会员服务
32+阅读 · 2020年3月18日
【CHI2020-微软】解释可解释性:理解数据科学家使用机器学习的可解释性工具，Interpreting Interpretability: Understanding Data Scientists’Use of Interpretability Tools for Machine Learning
【CHI2020-微软】解释可解释性:理解数据科学家使用机器学习的可解释性工具，Interpreting Interpretability: Understanding Data Scientists’Use of Interpretability Tools for Machine Learning
专知会员服务
54+阅读 · 2020年3月8日
【CHI2020-微软】解释可解释性:理解数据科学家使用机器学习的可解释性工具
【CHI2020-微软】解释可解释性:理解数据科学家使用机器学习的可解释性工具
专知会员服务
102+阅读 · 2020年3月8日
AAAI2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
AAAI2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
专知会员服务
115+阅读 · 2020年1月13日
机器学习与物理科学（Machine learning and the physical sciences），附44页pdf
机器学习与物理科学（Machine learning and the physical sciences），附44页pdf
专知会员服务
49+阅读 · 2019年12月10日
【IJCAI 2019】人工智能中的认知推理（Epistemic reasoning in AI），法国雷恩François Schwarzentruber，Tristan Charrier
【IJCAI 2019】人工智能中的认知推理（Epistemic reasoning in AI），法国雷恩François Schwarzentruber，Tristan Charrier
专知会员服务
21+阅读 · 2019年8月10日
热门VIP内容
相关资讯
知识图谱简史：从1950到2019
知识图谱简史：从1950到2019
专知
25+阅读 · 2019年12月2日
可解释人工智能XAI进展，看这份100页PPT为你讲解
可解释人工智能XAI进展，看这份100页PPT为你讲解
专知
47+阅读 · 2019年10月27日
AI可解释性文献列表
AI可解释性文献列表
专知
42+阅读 · 2019年10月7日
知识图谱如何用于可解释人工智能中？KGC2019这份教程为你讲解（附34页ppt）
知识图谱如何用于可解释人工智能中？KGC2019这份教程为你讲解（附34页ppt）
专知
47+阅读 · 2019年5月12日
【资源推荐】AI可解释性资源汇总
【资源推荐】AI可解释性资源汇总
专知
47+阅读 · 2019年4月24日
【Awesome】最全的机器学习可解释性资料（machine-learning-interpretability）
【Awesome】最全的机器学习可解释性资料（machine-learning-interpretability）
专知
29+阅读 · 2019年3月1日
AAA2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
AAA2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
专知
17+阅读 · 2019年1月28日
人工智能能够预测地震吗？
人工智能能够预测地震吗？
人工智能学家
7+阅读 · 2018年12月10日
NIPS 2018 | MIT等提出NS-VQA：结合深度学习与符号推理的视觉问答
NIPS 2018 | MIT等提出NS-VQA：结合深度学习与符号推理的视觉问答
机器之心
5+阅读 · 2018年10月10日
讨论 | 你是否遇到过你完全不能理解的机器学习概念？
讨论 | 你是否遇到过你完全不能理解的机器学习概念？
AI科技评论
3+阅读 · 2017年11月25日
相关论文
Machine Reasoning Explainability
Arxiv
14+阅读 · 2020年9月1日
Knowledge Aware Conversation Generation with Explainable Reasoning over Augmented Graphs
Knowledge Aware Conversation Generation with Explainable Reasoning over Augmented Graphs
Arxiv
3+阅读 · 2019年9月3日
Explainable Recommendation: A Survey and New Perspectives
Explainable Recommendation: A Survey and New Perspectives
Arxiv
65+阅读 · 2019年8月15日
Attention Is (not) All You Need for Commonsense Reasoning
Arxiv
7+阅读 · 2019年5月31日
Iteratively Learning Embeddings and Rules for Knowledge Graph Reasoning
Arxiv
7+阅读 · 2019年3月21日
Metrics for Explainable AI: Challenges and Prospects
Metrics for Explainable AI: Challenges and Prospects
Arxiv
4+阅读 · 2018年12月11日
Explainable Reasoning over Knowledge Graphs for Recommendation
Arxiv
11+阅读 · 2018年11月12日
HotpotQA: A Dataset for Diverse, Explainable Multi-hop Question Answering
HotpotQA: A Dataset for Diverse, Explainable Multi-hop Question Answering
Arxiv
4+阅读 · 2018年9月25日
TTMF: A Triple Trustworthiness Measurement Frame for Knowledge Graphs
TTMF: A Triple Trustworthiness Measurement Frame for Knowledge Graphs
Arxiv
8+阅读 · 2018年9月25日
Tell-and-Answer: Towards Explainable Visual Question Answering using Attributes and Captions
Arxiv
9+阅读 · 2018年1月27日
微信扫码咨询专知VIP会员
Top