在本教程中，我们将介绍和讨论在金融服务行业应用可解释人工智能(XAI)的实际挑战。我们将涵盖用户需求和评估，基于概念的可解释性和从人类交互中解释的学习，以及如何解释循环模型。
成为VIP会员查看完整内容
Explainable AI in Financial Services
相关内容
一个可以解释的AI（Explainable AI, 简称XAI）或透明的AI（Transparent AI），其行为可以被人类容易理解。它与机器学习中“ 黑匣子 ” 的概念形成鲜明对比，这意味着复杂算法运作的“可解释性”，即使他们的设计者也无法解释人工智能为什么会做出具体决定。 XAI可用于实现社会解释的权利。有些人声称透明度很少是免费提供的，并且在人工智能的“智能”和透明度之间经常存在权衡; 随着AI系统内部复杂性的增加，这些权衡预计会变得更大。解释AI决策的技术挑战有时被称为可解释性问题。另一个考虑因素是信息（信息过载），因此，完全透明可能并不总是可行或甚至不需要。提供的信息量应根据利益相关者与智能系统的交互情况而有所不同。
https://www.darpa.mil/program/explainable-artificial-intelligence
Arxiv
3+阅读 · 2019年1月20日
Arxiv
11+阅读 · 2018年5月9日
Arxiv
17+阅读 · 2018年3月20日
相关VIP内容
相关资讯
相关论文
Arxiv
3+阅读 · 2019年1月20日
Arxiv
11+阅读 · 2018年5月9日
Arxiv
17+阅读 · 2018年3月20日
微信扫码咨询专知VIP会员