机构名称：
¥ 3.0
摘要目的——难以捉摸的机器学习 (ML) 模型越来越多地成为信息系统的一部分。了解这些模型的行为方式以及它们的输出基于什么，对开发人员来说都是一个挑战，更不用说非技术最终用户了。设计/方法/方法——作者通过系统的文献综述研究如何向最终用户解释人工智能系统及其决策。结果——作者对文献的综合表明，人工智能系统与最终用户的通信有五个高级目标：(1) 可理解性、(2) 可信度、(3) 透明度、(4) 可控性和 (5) 公平性。作者提出了几项设计建议，例如提供个性化和按需解释，并专注于关键功能的可解释性，而不是旨在解释整个系统。人工智能系统解释存在多种权衡，没有一种适合所有情况的最佳解决方案。研究的局限性/含义——基于综合，作者提供了一个向最终用户解释人工智能系统的设计框架。本研究通过提出如何使人工智能系统更易于理解、公平、可信、可控和透明的指导方针，为人工智能治理工作做出了贡献。原创性/价值——这篇文献综述汇集了有关人工智能系统通信和面向最终用户的可解释人工智能 (XAI) 的文献。基于该主题的先前学术文献，它提供了综合见解、设计建议和未来研究议程。关键词可解释人工智能、解释性人工智能、XAI、机器学习、人机交互、最终用户、文献综述、系统文献综述论文类型研究论文
如何向最终用户解释人工智能系统
主要关键词
相关文件推荐
