![arXiv:2101.11844v1 [cs.AI] 2021 年 1 月 28 日](/simg/0/0d5ef59b56f0580056ece4d763c75afa4d2bd407.png)
机构名称：
¥ 1.0
摘要 人工智能 (AI)，尤其是其可解释性，在过去几年中获得了极大的关注。虽然我们通常不会在只关注结果的情况下质疑这些系统的决策过程，但当这些系统应用于决策直接影响人类生活的领域时，我们会密切关注。决策边界附近的噪声和不确定的观察结果会导致无法解释的预测，从而可能导致最终用户的不信任。这引起了人们对可以解释结果的 AI 方法的关注。贝叶斯网络是概率图模型，可用作管理不确定性的工具。贝叶斯网络的概率框架允许在模型、推理和证据中实现可解释性。这些方法的使用大多是临时的，不像更广泛的 AI 研究领域中的可解释性方法那样有条理。因此，我们引入了贝叶斯网络中可解释性的分类法。我们扩展了模型、推理或证据中现有的可解释性分类，以包括对决策的解释。通过简单的医学诊断场景说明了从可解释性方法中获得的解释。本文介绍的分类法不仅可以鼓励最终用户有效地传达获得的结果，还可以帮助他们理解某些预测是如何做出的，更重要的是，为什么做出某些预测。
arXiv:2101.11844v1 [cs.AI] 2021 年 1 月 28 日
主要关键词
![arXiv:2101.11844v1 [cs.AI] 2021 年 1 月 28 日PDF文件第1页](/bimg/7/7bd21e20dbf40560204e17579f14a76713251c79.webp)
![arXiv:2101.11844v1 [cs.AI] 2021 年 1 月 28 日PDF文件第2页](/bimg/b/b000b4dbfab95b1406c450bdc03a18f408db4da6.webp)
![arXiv:2101.11844v1 [cs.AI] 2021 年 1 月 28 日PDF文件第3页](/bimg/7/74a58bb8b68426a293293edef585f8db52456e1f.webp)
![arXiv:2101.11844v1 [cs.AI] 2021 年 1 月 28 日PDF文件第4页](/bimg/0/05531481150d4fcd2587ffeb520809643f6d2d1d.webp)
![arXiv:2101.11844v1 [cs.AI] 2021 年 1 月 28 日PDF文件第5页](/bimg/2/288543b58b64f1c33c3298c99d37049c24ae2a9a.webp)
相关文件推荐
![arXiv:2108.04371v1 [cs.AI] 2021 年 8 月 9 日](/simg/6/69fe1655ea43f7b9cf8e76ca88cea4759963b40c.png)
![arXiv:2106.02498v1 [cs.AI] 2021 年 6 月 4 日](/simg/9/93f7f6b4cf13f430992a922d1f2df15a49e78633.png)
![arXiv:1907.09278v2 [cs.AI] 2021 年 3 月 1 日](/simg/b/b56249f47d3400dc780a2a5a6b1e7a2371ddf6ce.png)
![arXiv:2106.01503v1 [cs.AI] 2021 年 6 月 2 日](/simg/e/e1571bcb5bcb584c2a170e3c51159ee34ba9f241.png)
![arXiv:2109.02202v1 [cs.AI] 2021 年 9 月 6 日](/simg/5/55baf6cb57275ce7df25ca5c5de85c262f57827f.png)
![arXiv:2001.11457v3 [cs.AI] 2021 年 3 月 5 日](/simg/7/77db03c1f11d1263a7a871acf160ef76873ebef0.png)
![arXiv:2001.02021v1 [cs.AI] 2020 年 1 月 7 日](/simg/6/6656a65d1324b757699cd670b349c20ef6da7f31.png)
![arXiv:2312.10370v2 [cs.AI] 2024 年 3 月 28 日](/simg/9/91f7af3b87a107a56902207b93b27804eae3aa2b.png)
![arXiv:2109.08006v3 [cs.AI] 2021 年 11 月 5 日](/simg/4/4fcb830248cd3f99a25326b2b1663ac275ee39f0.png)
![arXiv:2109.01281v2 [cs.AI] 2021 年 10 月 4 日](/simg/3/325c45217088ea7ef5cdb60280f17c1c7fe54b34.png)
![arXiv:2103.06769v1 [cs.AI] 2021 年 3 月 11 日](/simg/2/2f4d12dbbeb215138cd3f636a30cb61579429c5b.png)
![arXiv:2105.06564v2 [cs.AI] 2021 年 5 月 17 日](/simg/4/4a44e8f64e3bdf2208b0ec3c7f0db257903554ef.png)
![arXiv:2009.05487v3 [cs.AI] 2021 年 8 月 26 日](/simg/3/3c87b68027f137968ab7fa405274c3bf872022b1.png)
![arXiv:2007.01544v2 [cs.AI] 2021 年 9 月 20 日](/simg/5/54b080d69663555a0d382eb9d34ff207684afe01.png)
![arXiv:2105.11828v1 [cs.AI] 2021 年 5 月 25 日](/simg/5/58a37638f5f7ba15129a1d765c77a035aa693d7b.png)
![arXiv:2305.17666v1 [cs.NI] 2023 年 5 月 28 日](/simg/5/54564a57c3c5cfac9ab7803ef0527b7d1064a160.webp)
![arXiv:2102.06518v1 [cs.AI] 2021 年 2 月 12 日](/simg/0/070d7c7773e4992bf716ef8f8bc5d0404ff23414.png)
![arXiv:2106.03797v1 [cs.CV] 2021 年 5 月 20 日](/simg/d/d3991bdbf22b7ca1f479c1474c721bd822b7bde3.webp)
![arXiv:2110.04203v2 [cs.AI] 2021 年 10 月 18 日](/simg/5/58d5a0053bae26a7adfd1fb340a26d8711d48d91.png)
![arXiv:2112.05700v1 [cs.AI] 2021 年 12 月 10 日](/simg/3/3ec93cb24912e4a7fd3a076b6543510966aa675b.png)
![arXiv:2307.00364v2 [cs.LG] 2024 年 5 月 28 日](/simg/a/a6e1b4d82219ab22304fde72b617fd5fbb6bdfe6.png)
![arXiv:2111.00826v4 [cs.AI] 2021 年 12 月 17 日](/simg/d/d4e727c16ad3d32ed6dc0b79aaf9f4b1f3039c71.png)
![arXiv:2107.12977v3 [cs.AI] 2021 年 11 月 17 日](/simg/a/ae032aba22522e8e9c4e5cb16f874631e51a5f13.png)
![arXiv:2112.14480v1 [cs.AI] 2021 年 12 月 29 日](/simg/7/76e1731f517ae8b8ca33352fd3f1435faeaee1a5.png)
![arXiv:2303.15939v1 [eess.IV] 2023 年 3 月 28 日](/simg/f/fb020348d55c0fbb9129702104facb46a48991f0.webp)
![arXiv:2112.15422v1 [cs.AI] 2021 年 11 月 25 日](/simg/9/944ac25ddea48b6e4402cdc063b0cba3869af3b5.png)
