推荐引用推荐引用 Asatiani, Aleksandre；马洛，佩卡； Nagbøl，佩·拉德伯格；彭蒂宁，埃斯科；林塔-卡希拉，塔帕尼；和 Salovaara, Antti (2020)“解释黑盒人工智能系统行为的挑战”，MIS 执行季刊：第 1 卷。 19：一号。 4、第 7 条。可参见：https://aisel.aisnet.org/misqe/vol19/iss4/7__

推荐引用推荐引用 Asatiani, Aleksandre；马洛，佩卡； Nagbøl，佩·拉德伯格；彭蒂宁，埃斯科；林塔-卡希拉，塔帕尼；和 Salovaara, Antti (2020)“解释黑盒人工智能系统行为的挑战”，MIS 执行季刊：第 1 卷。 19：一号。 4、第 7 条。可参见：https://aisel.aisnet.org/misqe/vol19/iss4/7

可下载资源数量

已经购买

下载数量：1

单价	0 2.0
Coupon	100% 0%
Total	0 2.0

点击下载点击购买并下载

点击购买，资源将自动在新窗口打开.

机构名称：

推荐引用推荐引用 Asatiani, Aleksandre；马洛，佩卡； Nagbøl，佩·拉德伯格；彭蒂宁，埃斯科；林塔-卡希拉，塔帕尼；和 Salovaara, Antti (2020)“解释黑盒人工智能系统行为的挑战”，MIS 执行季刊：第 1 卷。 19：一号。 4、第 7 条。可参见：https://aisel.aisnet.org/misqe/vol19/iss4/7

¥ 2.0

热度

人工智能代理的最后一个要素是其运行的环境。环境决定了传入数据的来源和有效性，代理通过其输出影响环境（例如，对公司未来的风险评估可能会影响公司的行为）。这种反馈循环在“强化学习”中尤为重要，在强化学习中，人工智能代理通过反复试验从与环境的交互中学习，并因表现良好而获得奖励。如果将人工智能代理部署在不同的环境中，它不太可能正常运行（例如，经过训练以识别业务风险的系统在非业务环境中可能表现不佳）。因此，人工智能代理的不当行为可能是由于它部署在未经训练的环境中而导致的。

添加pdf代下载 VIP点击下载文件

推荐引用推荐引用 Asatiani, Aleksandre；马洛，佩卡； Nagbøl，佩·拉德伯格；彭蒂宁，埃斯科；林塔-卡希拉，塔帕尼；和 Salovaara, Antti (2020)“解释黑盒人工智能系统行为的挑战”，MIS 执行季刊：第 1 卷。 19：一号。 4、第 7 条。可参见：https://aisel.aisnet.org/misqe/vol19/iss4/7

主要关键词

经过训练反复试验风险不同的运行有效性环境影响影响环境部署人工智能例如运行的训练的行为未来的强化可能业务风险评估代理代理的环境的学习

推荐引用推荐引用 Asatiani, Aleksandre；马洛，佩卡； Nagbøl，佩·拉德伯格；彭蒂宁，埃斯科；林塔-卡希拉，塔帕尼；和 Salovaara, Antti (2020)“解释黑盒人工智能系统行为的挑战”，MIS 执行季刊：第 1 卷。 19：一号。 4、第 7 条。可参见：https://aisel.aisnet.org/misqe/vol19/iss4/7PDF文件第1页

可下载资源数量

已经购买

下载数量：1

相关文件推荐

推荐引用推荐引用 Addis, Chiara 和 Kutar, Maria，“通用数据保护条例 (GDPR)、人工智能 (AI) 和英国组织：GDPR 实施一年”（2020 年）。英国信息系统学院 2020 年会议论文集。24。https://aisel.aisnet.org/ukais2020/24

推荐引用推荐引用 Podder, Itilekha 和 Bub, Udo，“一种可解释的人工智能框架，用于改进半导体制造：一种设计科学研究方法”（2024 年）。ACIS 2024 会议论文集。88. https://aisel.aisnet.org/acis2024/88

推荐引用推荐引用 Frick, Nicholas；Brünker, Felix；Ross, Björn；Stieglitz, Stefan，“基于人工智能的服务设计要求丰富企业中的遗留信息系统：管理视角”（2020 年）。ACIS 2020 会议纪要。44。https://aisel.aisnet.org/acis2020/44

推荐引用推荐引用 Allen, Jonathan P.，“人工智能炒作动态：学术研究在推动新技术发展中的作用”（2024 年）。ICIS 2024 TREOS。 82. https://aisel.aisnet.org/treos_icis2024/82

推荐引用推荐引用 Ambati, Loknath Sai；Narukonda, Kanthi；Bojja, Giridhar Reddy；以及 Bishop, David，“影响组织采用人工智能的因素——从员工的角度来看”（2020 年）。MWAIS 2020 会议论文集。20. https://aisel.aisnet.org/mwais2020/20

推荐引用推荐引用 Moura, S.；Reis, J. L.；和 Rodrigues, Luís S.，“客户旅程个性化中的人工智能——文献综述”（2021 年）。CAPSI 2021 会议记录。28. https://aisel.aisnet.org/capsi2021/28

推荐引用推荐引用罗云芳;杨涛；李庆安；刘强；以及崔希玲，“利用生成人工智能揭露 ESG 夸大之词”（2024 年）。 ICEB 2024 会议论文集（中国珠海）。 7. https://aisel.aisnet.org/iceb2024/7

推荐引用推荐引用 Hojjati, Yalda；Chen, YuanYuan；和 Raja, Uzma，“可解释性对基于集体兴趣的人工智能推荐系统的影响”（2024 年）。AMCIS 2024 TREOs。 183. https://aisel.aisnet.org/treos_amcis2024/183

推荐引用推荐引用 Fok, Ernest，挑战国际趋势：美国人工智能发明案例，19 S ANTA C LARA J. I NT'LL. 51 (2021)。网址：https://digitalcommons.law.scu.edu/scujil/vol19/iss1/2

推荐引用推荐引用 Chang, Tien-Yu 和 Tsaih, Rua-Huan，“使用数据包络分析评估人工智能应用的生态效率”（2024 年）。ICEB 2024 会议论文集（中国珠海）。 13. https://aisel.aisnet.org/iceb2024/13

推荐引用推荐引用 Monshizada, Sahber；Sarbazhosseini, Hamed；Mohammadian, Masoud，“从人员、流程、数据和技术的角度概念化人工智能管理”（2021 年）。ACIS 2021 会议论文集。64。https://aisel.aisnet.org/acis2021/64

推荐引用推荐引用 Perozzo, Haiat；Eisenberg, Julia；和 Ravarini, Aurelio，“人类在循环中：探索生成式人工智能在团队环境中的工作制定中的作用”（2024 年）。ECIS 2024 TREOS。22。https://aisel.aisnet.org/treos_ecis2024/22

推荐引用推荐引用 Szakonyi, Annamaria；Chellasamy, Harshini；和 Dawson, Maurice，“俄罗斯利用人工智能政策和投资提高全球经济竞争力的战略”（2024 年）。MWAIS 2024 会议论文集。12。https://aisel.aisnet.org/mwais2024/12

推荐引用推荐引用冯远月；李晓娜；和张荣凯，“AI主播有感情吗？AI主播积极情绪对消费者购买意向的影响”(2022)。WHICEB 2022 论文集。 31. https://aisel.aisnet.org/whiceb2022/31

推荐引用推荐引用 Ouyang, Chenlu 和 Xu, David, “AI 视频摘要有帮助吗？AI 生成的视频摘要的效果”(2024)。ACIS 2024 会议纪要。 120. https://aisel.aisnet.org/acis2024/120

推荐引用推荐引用 Farrar, Christopher，“使用人工智能进行实时自动文本更正”，技术披露共享，（2020 年 9 月 2 日） https://www.tdcommons.org/dpubs_series/3575

推荐引用推荐引用 Andrew C. Michaels，《人工智能、法律变革与权力分立》，88 U. Cin. L. Rev. 1083 (2020) 可访问以下网址：https://scholarship.law.uc.edu/uclr/vol88/iss4/4

推荐引用推荐引用 Hardarson, Emil；Ivarsson, Frida；Islind, Anna Sigríður；Arnardóttir, Erna Sif；Óskarsdóttir, María，“人机协作：从可解释的 AI 到共同创造意义”（2024 年）。ACIS 2024 会议论文集。 148. https://aisel.aisnet.org/acis2024/148

建议引用：Gramegna, Alex；Guidici, Paolo (2020)：为什么要买保险？一种可解释的人工智能方法，Risks，ISSN 2227-9091，MDPI，巴塞尔，第 8 卷，Iss。4，第 1-9 页，https://doi.org/10.3390/risks8040137

推荐引用推荐引用顾毅，“人工智能配电系统中的可再生能源整合”（2020 年）。电子学位论文。1777。https://digitalcommons.du.edu/etd/1777

推荐引用推荐引用 Schwartz, David 和 Te'eni, Dov (2024) “人工智能在情境中的知识创造、管理和消费”，信息系统协会杂志，25(1)，37-47。 DOI：10.17705/1jais.00862 可从以下网址获取：https://aisel.aisnet.org/jais/vol25/iss1/12

请引用原文：Benzaid, C., & Taleb, T. (2020). 5G 及以后的人工智能驱动零接触网络和服务管理：挑战和研究方向。IEEE 网络，34 (2)，186 - 194。https://doi.org/10.1109/MNET.001.1900252

已发布版本的引用 (APA)：Ploug, T., & Holm, S. (2020)。可争议的人工智能诊断的四个维度——以患者为中心的可解释人工智能方法。医学人工智能，107，文章 101901。https://doi.org/10.1016/j.artmed.2020.101901

推荐引用推荐引用 Fragkos, Georgios。“人工智能支持物联网应用的分布式边缘计算。” (2020)。https://digitalrepository.unm.edu/ece_etds/494

如何引用本文 Reiss, MJ (2021)《人工智能在教育中的应用：实用性和伦理考量》。《伦敦教育评论》，19 (1)，5，1-14。https://doi.org/10.14324/LRE.19.1.05

推荐引用推荐引用 “人工智能驱动的品牌保护工具”，技术披露共享，（2025 年 1 月 1 日）https://www.tdcommons.org/dpubs_series/7694

推荐引用推荐引用 Peter K. Yu，人工智能、法律-机器界面和合理使用自动化，72 Ala. L. Rev. 187 (2020)。网址：https://scholarship.law.tamu.edu/facscholar/1463

https://aisel.aisnet.org/cgi/viewcontent.cgi?article=1257&context=amcis2021

XiaoMi-AI