机构名称：
¥ 1.0
Emily Sullivan (2019) 在最近的一篇评论中研究了 ML 模型在科学研究中的使用。尽管她否认不透明性会对这些模型的科学效用产生负面影响，但 Sullivan 认为它们的链接不确定性会。Sullivan 将链接不确定性定义为“缺乏支持将模型与目标现象联系起来的科学和经验证据”（Sullivan 2019: 1）。换句话说，当不清楚模型是什么模型时，就会出现链接不确定性。作为一个说明性示例，Sullivan 考虑了 Deep Patient：一种学习将患者特征映射到可能疾病上的 DNN（Miotto 等人，2016）。她的观点是，尽管网络发布了可靠的诊断预测，但医学科学家可以从该模型中获得的理解是有限的。这是因为不清楚该模型是否追踪了患者特征与可能疾病之间的真正因果关系，或者它是否仅仅是利用了虚假的相关性，例如，具有某些特征的患者比其他特征接受更频繁的测试。
可解释人工智能的探索作用
主要关键词
相关文件推荐
