机构名称：
¥ 1.0
摘要 机器学习模型的可解释性越来越受到人工智能 (AI) 和人机交互 (HCI) 社区研究人员的关注。现有的大多数工作都侧重于决策，而我们考虑知识发现。具体来说，我们专注于评估人工智能在艺术和人文学科中发现的知识 / 规则。从特定场景出发，我们提出了一种实验程序来收集和评估人类对人工智能生成的音乐理论 / 规则的口头解释，这些解释呈现为复杂的符号 / 数字对象。我们的目标是揭示在解码来自人工智能源的表达性信息的过程中存在的可能性和挑战。我们将此视为迈向 1) 更好地设计人类可解释的人工智能表示和 2) 评估人工智能发现的知识表示的可解释性的通用方法的第一步。
人工智能生成的音乐知识案例
主要关键词
相关文件推荐
