机构名称：
¥ 1.0
摘要。我们讨论了在可解释人工智能 (XAI) 研究领域中使黑盒模型更易于解释的观点。我们认为，用于训练深度学习 (DL) 模型的传统端到端学习方法不符合 XAI 的宗旨和目标。回到手工特征工程的想法，我们建议对 XAI 采用混合 DL 方法：我们建议使用 DL 自动检测有意义的、手工高级符号特征，而不是采用端到端学习，然后将其用于标准且更易于解释的学习模型。我们基于最近提出的 Kandinsky 模式基准，在概念验证中举例说明了这种混合学习模型，该模型通过使用逻辑张量网络和可解释规则集合，专注于管道的符号学习部分。在证明所提出的方法能够提供高度准确且可解释的模型之后，我们将讨论潜在的实施问题和可以探索的未来方向。
可解释人工智能的神经符号视角
主要关键词
相关文件推荐
