机构名称：
¥ 1.0
摘要可解释人工智能 (XAI) 方法试图通过生成解释来阐明复杂机器学习模型的决策过程。然而，对于大多数现实世界数据，没有“基本事实”解释，这使得评估 XAI 方法和模型决策的正确性变得困难。通常，视觉评估或轶事证据是唯一的评估类型。在这项工作中，我们建议使用国际象棋游戏作为“接近基本事实”(NGT) 解释的来源，可以使用各种指标将 XAI 方法与之进行比较，作为“健全性检查”。我们在深度卷积神经网络的实验中演示了这个过程，我们向该网络应用了一系列常用的 XAI 方法。作为我们的主要贡献，我们发布了 3000 万个国际象棋位置的数据集及其 NGT 解释，供 XAI 研究免费使用。
Check Mate：对值得信赖的人工智能进行健全性检查
主要关键词
相关文件推荐
