XiaoMi-AI文件搜索系统
World File Search SystemExplain
可解释且负责任的人工智能
当今的算法已经在各个领域达到甚至超越了人类的任务表现。特别是，人工智能（AI）在组织与个人（例如其客户）之间的互动中发挥着核心作用，例如改变了电子商务或客户关系管理。然而，大多数人工智能系统仍然是难以理解的“黑匣子”——不仅对于开发人员，而且对于消费者和决策者也是如此（Meske 等人，2022 年）。对于电子市场而言，诸如试图管理风险和确保基于机器学习的电子交易系统符合监管要求等问题不仅源于其数据驱动的性质和技术复杂性，还源于其黑匣子性质，其中“学习”创造了
解释云和量子计算
量子计算是计算机技术的一个分支，它使用量子理论的原理来处理信息。与传统的二进制计算机不同，后者使用的比特只能是 1 或 0，而量子计算机使用的量子比特可以同时存在于多个状态。这种称为叠加的特性允许进行更复杂的计算，并成倍增加处理能力。云计算是一种通过互联网提供数据存储、服务器、网络和数据库等服务的模型。量子云计算结合了这两种技术，使人们无需拥有一台量子计算机就可以访问强大的量子计算机。IBM 是目前唯一一家提供云量子计算设施的公司，提供免费使用的 5 量子比特机器。云计算和量子计算之间的关系是协同作用。用户无需拥有量子计算机，就可以利用基于云的量子处理来完成复杂的任务，例如解码化合物、优化供应链和管理财务风险。此外，云量子计算通过处理更复杂的数字来实现更安全的加密方法。云量子计算的应用包括教育，它可以用来向学生传授量子计算概念。借助云量子计算机，量子物理教育将变得更加容易。学生无需物理设备即可学习和进行实验。该领域具有巨大的发展潜力，研究人员可以利用云量子计算机来测试理论和开展研究。马丁·雷诺兹 (Martin Reynolds) 表示，由于特定的房间条件和需要新的编程技能，实施基于云的量子计算具有挑战性。IT 团队必须开发专业知识来微调算法和硬件。尽管面临挑战，但云提供商将成为首批提供量子即服务的提供商之一，为开发人员提供访问量子处理的方法。如果实际问题能够得到解决，量子云计算可能会产生与人工智能类似的深远影响。量子力学支持开发创新应用程序，包括量子算法的实施和测试。研究人员可以利用基于云的资源进行实验、测试理论和比较架构。此外，基于云的平台有助于创建向人们介绍量子概念的游戏。在数字化转型领域，可以使用基于云的量子资源处理和预测数 TB 的大数据。 qBraid Lab、Quandela Cloud、Xanadu Quantum Cloud、Rigetti Computing 的 Forest、Microsoft 的 LIQUi| 和 IBM Q Experience 等基于云的平台提供对各种量子设备和模拟器的访问。这些平台提供编程语言、开发框架和示例算法的工具。一些值得注意的基于云的量子资源包括：* qBraid Lab：一个提供软件工具和访问 IBM、Amazon Braket、Xanadu、OQC、QuEra、Rigetti 和 IonQ 量子硬件的平台。 * Quandela Cloud：第一台可通过 Perceval 脚本语言访问的欧洲光子量子计算机。 * Xanadu Quantum Cloud：一个基于云的平台，可访问三台完全可编程的光子量子计算机。 * Rigetti Computing 的 Forest：一个用于量子计算的工具套件，具有编程语言、开发工具和示例算法。 * Microsoft 的 LIQUi|：一个用于量子计算的软件架构和工具套件，提供编程语言、优化和调度算法以及量子模拟器。 * IBM Q Experience：一个通过基于 Python 的 Qiskit 框架或图形界面提供对量子硬件和 HPC 模拟器的访问的平台。这些平台提供各种模拟器和量子设备，包括多个 transmon 量子比特处理器、5 量子比特和 16 量子比特可公开访问的设备，以及通过 IBM Q 网络提供的最多 65 量子比特的设备。 Qutech 是欧洲首个为两款硬件芯片提供基于云的量子计算的平台。Quantum Inspire 平台提供对完全可编程的 2 量子比特电子自旋量子处理器（称为 Spin-2）的访问，该处理器由两个单电子自旋量子比特组成，托管在由同位素纯化的 28Si 制成的双量子点中。它还提供对 Starmon-5（配置为 X 设置的 5 量子比特传输处理器）和 QX（荷兰国家超级计算机 Cartesius 上的量子模拟器后端，最多可模拟 31 个量子比特）的访问。用户可以通过图形用户界面或基于 Python 的 Quantum Inspire SDK（支持 projectQ 和 Qiskit 框架）创建基于电路的量子算法。相比之下，Amazon Braket 提供对 IonQ、Rigetti、Xanadu、QuEra 和 Oxford Quantum Circuits 量子计算机的访问，而 QC Ware 的 Forge 提供对 D-Wave 硬件以及 Google 和 IBM 模拟器的访问。本文讨论了基于云的量子计算，这是一种能够通过互联网访问量子计算机的技术。基于云的方法允许开发人员和研究人员使用不同供应商的量子硬件和模拟器，而无需物理访问设备。这可以促进量子计算领域的协作和创新。一些著名的基于云的量子计算平台包括 IBM Q Experience、Quantum Inspire 和 QC Ware Forge。这些平台为用户提供了一系列用于探索和开发量子算法和应用程序的工具和资源。本文还提到了几篇与基于云的量子计算相关的研究论文和出版物，突显了人们对这一领域日益增长的兴趣。欧洲首款可通过 Perceval 脚本语言访问的光子量子计算机。 * Xanadu Quantum Cloud：基于云的平台，可访问三台完全可编程的光子量子计算机。 * Rigetti Computing 的 Forest：量子计算工具套件，包含编程语言、开发工具和示例算法。 * Microsoft 的 LIQUi|：量子计算软件架构和工具套件，提供编程语言、优化和调度算法以及量子模拟器。 * IBM Q Experience：通过基于 Python 的 Qiskit 框架或图形界面提供量子硬件和 HPC 模拟器访问的平台。这些平台提供各种模拟器和量子设备，包括多个量子比特处理器、5 量子比特和 16 量子比特可公开访问的设备，以及通过 IBM Q Network 提供的最多 65 量子比特的设备。 Qutech 是欧洲首个为两个硬件芯片提供基于云的量子计算的平台。 Quantum Inspire 平台提供对完全可编程的 2 量子比特电子自旋量子处理器（称为 Spin-2）的访问，该处理器由两个单电子自旋量子比特组成，托管在由同位素纯化的 28Si 制成的双量子点中。它还提供对 Starmon-5（配置为 X 设置的 5 量子比特 transmon 处理器）和 QX（在荷兰国家超级计算机 Cartesius 上具有最多 31 个量子比特模拟的量子模拟器后端）的访问。用户可以通过图形用户界面或基于 Python 的 Quantum Inspire SDK（支持 projectQ 和 Qiskit 框架）创建基于电路的量子算法。相比之下，Amazon Braket 提供对 IonQ、Rigetti、Xanadu、QuEra 和 Oxford Quantum Circuits 量子计算机的访问，而 QC Ware 的 Forge 提供对 D-Wave 硬件以及 Google 和 IBM 模拟器的访问。本文讨论了基于云的量子计算，这是一种能够通过互联网访问量子计算机的技术。基于云的方法允许开发人员和研究人员使用来自不同供应商的量子硬件和模拟器，而无需物理访问这些设备。这可以促进量子计算领域的合作和创新。一些基于云的量子计算平台的著名例子包括 IBM Q Experience、Quantum Inspire 和 QC Ware Forge。这些平台为用户提供了一系列用于探索和开发量子算法和应用程序的工具和资源。本文还提到了几篇与基于云的量子计算相关的研究论文和出版物，突显了人们对这一领域日益增长的兴趣。欧洲首款可通过 Perceval 脚本语言访问的光子量子计算机。 * Xanadu Quantum Cloud：基于云的平台，可访问三台完全可编程的光子量子计算机。 * Rigetti Computing 的 Forest：量子计算工具套件，包含编程语言、开发工具和示例算法。 * Microsoft 的 LIQUi|：量子计算软件架构和工具套件，提供编程语言、优化和调度算法以及量子模拟器。 * IBM Q Experience：通过基于 Python 的 Qiskit 框架或图形界面提供量子硬件和 HPC 模拟器访问的平台。这些平台提供各种模拟器和量子设备，包括多个量子比特处理器、5 量子比特和 16 量子比特可公开访问的设备，以及通过 IBM Q Network 提供的最多 65 量子比特的设备。 Qutech 是欧洲首个为两个硬件芯片提供基于云的量子计算的平台。 Quantum Inspire 平台提供对完全可编程的 2 量子比特电子自旋量子处理器（称为 Spin-2）的访问，该处理器由两个单电子自旋量子比特组成，托管在由同位素纯化的 28Si 制成的双量子点中。它还提供对 Starmon-5（配置为 X 设置的 5 量子比特 transmon 处理器）和 QX（在荷兰国家超级计算机 Cartesius 上具有最多 31 个量子比特模拟的量子模拟器后端）的访问。用户可以通过图形用户界面或基于 Python 的 Quantum Inspire SDK（支持 projectQ 和 Qiskit 框架）创建基于电路的量子算法。相比之下，Amazon Braket 提供对 IonQ、Rigetti、Xanadu、QuEra 和 Oxford Quantum Circuits 量子计算机的访问，而 QC Ware 的 Forge 提供对 D-Wave 硬件以及 Google 和 IBM 模拟器的访问。本文讨论了基于云的量子计算，这是一种能够通过互联网访问量子计算机的技术。基于云的方法允许开发人员和研究人员使用来自不同供应商的量子硬件和模拟器，而无需物理访问这些设备。这可以促进量子计算领域的合作和创新。一些基于云的量子计算平台的著名例子包括 IBM Q Experience、Quantum Inspire 和 QC Ware Forge。这些平台为用户提供了一系列用于探索和开发量子算法和应用程序的工具和资源。本文还提到了几篇与基于云的量子计算相关的研究论文和出版物，突显了人们对这一领域日益增长的兴趣。和示例算法。 * 微软的 LIQUi|：一种用于量子计算的软件架构和工具套件，提供编程语言、优化和调度算法以及量子模拟器。 * IBM Q Experience：一个通过基于 Python 的 Qiskit 框架或图形界面提供对量子硬件和 HPC 模拟器的访问的平台。这些平台提供各种模拟器和量子设备，包括多个量子比特处理器、5 量子比特和 16 量子比特可公开访问的设备，以及通过 IBM Q Network 提供的最多 65 量子比特的设备。Qutech 是欧洲第一个为两个硬件芯片提供基于云的量子计算的平台。Quantum Inspire 平台提供对完全可编程的 2 量子比特电子自旋量子处理器（称为 Spin-2）的访问，该处理器由两个单电子自旋量子比特组成，它们托管在由同位素纯化的 28Si 制成的双量子点中。它还提供对 Starmon-5（配置为 X 设置的 5 量子比特 transmon 处理器）和 QX（在荷兰国家超级计算机 Cartesius 上具有最多 31 个量子比特模拟的量子模拟器后端）的访问。用户可以通过图形用户界面或基于 Python 的 Quantum Inspire SDK（支持 projectQ 和 Qiskit 框架）创建基于电路的量子算法。相比之下，Amazon Braket 提供对 IonQ、Rigetti、Xanadu、QuEra 和 Oxford Quantum Circuits 量子计算机的访问，而 QC Ware 的 Forge 提供对 D-Wave 硬件以及 Google 和 IBM 模拟器的访问。本文讨论了基于云的量子计算，这是一种能够通过互联网访问量子计算机的技术。基于云的方法允许开发人员和研究人员使用来自不同供应商的量子硬件和模拟器，而无需物理访问设备。这可以促进量子计算领域的合作和创新。一些著名的基于云的量子计算平台包括 IBM Q Experience、Quantum Inspire 和 QC Ware Forge。这些平台为用户提供了一系列用于探索和开发量子算法和应用程序的工具和资源。本文还提到了几篇与基于云的量子计算相关的研究论文和出版物，突显了人们对这一领域日益增长的兴趣。和示例算法。 * 微软的 LIQUi|：一种用于量子计算的软件架构和工具套件，提供编程语言、优化和调度算法以及量子模拟器。 * IBM Q Experience：一个通过基于 Python 的 Qiskit 框架或图形界面提供对量子硬件和 HPC 模拟器的访问的平台。这些平台提供各种模拟器和量子设备，包括多个量子比特处理器、5 量子比特和 16 量子比特可公开访问的设备，以及通过 IBM Q Network 提供的最多 65 量子比特的设备。Qutech 是欧洲第一个为两个硬件芯片提供基于云的量子计算的平台。Quantum Inspire 平台提供对完全可编程的 2 量子比特电子自旋量子处理器（称为 Spin-2）的访问，该处理器由两个单电子自旋量子比特组成，它们托管在由同位素纯化的 28Si 制成的双量子点中。它还提供对 Starmon-5（配置为 X 设置的 5 量子比特 transmon 处理器）和 QX（在荷兰国家超级计算机 Cartesius 上具有最多 31 个量子比特模拟的量子模拟器后端）的访问。用户可以通过图形用户界面或基于 Python 的 Quantum Inspire SDK（支持 projectQ 和 Qiskit 框架）创建基于电路的量子算法。相比之下，Amazon Braket 提供对 IonQ、Rigetti、Xanadu、QuEra 和 Oxford Quantum Circuits 量子计算机的访问，而 QC Ware 的 Forge 提供对 D-Wave 硬件以及 Google 和 IBM 模拟器的访问。本文讨论了基于云的量子计算，这是一种能够通过互联网访问量子计算机的技术。基于云的方法允许开发人员和研究人员使用来自不同供应商的量子硬件和模拟器，而无需物理访问设备。这可以促进量子计算领域的合作和创新。一些著名的基于云的量子计算平台包括 IBM Q Experience、Quantum Inspire 和 QC Ware Forge。这些平台为用户提供了一系列用于探索和开发量子算法和应用程序的工具和资源。本文还提到了几篇与基于云的量子计算相关的研究论文和出版物，突显了人们对这一领域日益增长的兴趣。Quantum Inspire 平台提供对完全可编程的 2 量子比特电子自旋量子处理器（称为 Spin-2）的访问，该处理器由两个单电子自旋量子比特组成，托管在由同位素纯化的 28Si 制成的双量子点中。它还提供对 Starmon-5（配置为 X 设置的 5 量子比特 transmon 处理器）和 QX（在荷兰国家超级计算机 Cartesius 上具有最多 31 个量子比特模拟的量子模拟器后端）的访问。用户可以通过图形用户界面或基于 Python 的 Quantum Inspire SDK（支持 projectQ 和 Qiskit 框架）创建基于电路的量子算法。相比之下，Amazon Braket 提供对 IonQ、Rigetti、Xanadu、QuEra 和 Oxford Quantum Circuits 量子计算机的访问，而 QC Ware 的 Forge 提供对 D-Wave 硬件以及 Google 和 IBM 模拟器的访问。本文讨论了基于云的量子计算，这是一种能够通过互联网访问量子计算机的技术。基于云的方法允许开发人员和研究人员使用来自不同供应商的量子硬件和模拟器，而无需物理访问这些设备。这可以促进量子计算领域的合作和创新。一些基于云的量子计算平台的著名例子包括 IBM Q Experience、Quantum Inspire 和 QC Ware Forge。这些平台为用户提供了一系列用于探索和开发量子算法和应用程序的工具和资源。本文还提到了几篇与基于云的量子计算相关的研究论文和出版物，突显了人们对这一领域日益增长的兴趣。Quantum Inspire 平台提供对完全可编程的 2 量子比特电子自旋量子处理器（称为 Spin-2）的访问，该处理器由两个单电子自旋量子比特组成，托管在由同位素纯化的 28Si 制成的双量子点中。它还提供对 Starmon-5（配置为 X 设置的 5 量子比特 transmon 处理器）和 QX（在荷兰国家超级计算机 Cartesius 上具有最多 31 个量子比特模拟的量子模拟器后端）的访问。用户可以通过图形用户界面或基于 Python 的 Quantum Inspire SDK（支持 projectQ 和 Qiskit 框架）创建基于电路的量子算法。相比之下，Amazon Braket 提供对 IonQ、Rigetti、Xanadu、QuEra 和 Oxford Quantum Circuits 量子计算机的访问，而 QC Ware 的 Forge 提供对 D-Wave 硬件以及 Google 和 IBM 模拟器的访问。本文讨论了基于云的量子计算，这是一种能够通过互联网访问量子计算机的技术。基于云的方法允许开发人员和研究人员使用来自不同供应商的量子硬件和模拟器，而无需物理访问这些设备。这可以促进量子计算领域的合作和创新。一些基于云的量子计算平台的著名例子包括 IBM Q Experience、Quantum Inspire 和 QC Ware Forge。这些平台为用户提供了一系列用于探索和开发量子算法和应用程序的工具和资源。本文还提到了几篇与基于云的量子计算相关的研究论文和出版物，突显了人们对这一领域日益增长的兴趣。这些平台为用户提供了一系列工具和资源，用于探索和开发量子算法和应用。文章还提到了几篇与基于云的量子计算相关的研究论文和出版物，凸显了人们对该领域日益增长的兴趣。这些平台为用户提供了一系列工具和资源，用于探索和开发量子算法和应用。文章还提到了几篇与基于云的量子计算相关的研究论文和出版物，凸显了人们对该领域日益增长的兴趣。
建议引用：Meske, Christian；Bunde, Enrico (2022)：基于人工智能的决策支持系统中用户界面的设计原则：可解释的仇恨言论检测案例，信息系统前沿，ISSN 1572-9419，Springer US，第 25 卷，Iss。2，第 743-773 页，https://doi.org/10.1007/s10796-021-10234-5
摘要 社交媒体中的仇恨言论是一个日益严重的问题，会对个人和整个社会产生负面影响。社交媒体平台上的版主需要技术支持来检测有问题的内容并做出相应的反应。在本文中，我们开发并讨论了最适合为使用人工智能 (AI) 协助人类版主的决策支持系统创建高效用户界面的设计原则。我们对三个设计周期内的各种设计方案进行了定性和定量评估，共有 641 名参与者。除了测量感知易用性、感知有用性和使用意图外，我们还进行了一项实验，以证明 AI 可解释性对最终用户感知的认知努力、感知的信息量、心理模型和 AI 可信度的重大影响。最后，我们与软件开发人员一起测试了获得的设计知识，他们对所提出的设计原则的可重用性评价为高。
用于银行信贷评估的可解释人工智能
摘要：金融当局要求银行的信用评分模型具有可解释性。本文提出了一种可解释的人工智能 (XAI) 模型，用于预测挪威银行提供的无担保消费贷款独特数据集上的信用违约。我们将 LightGBM 模型与 SHAP 相结合，从而能够解释影响预测的解释变量。LightGBM 模型明显优于银行的实际信用评分模型（逻辑回归）。我们发现，LightGBM 模型中预测违约的最重要解释变量是已用信用余额的波动性、剩余信用占总信用的百分比以及客户关系的持续时间。我们的主要贡献是在银行业实施 XAI 方法，探索如何应用这些方法来提高最先进的 AI 模型的可解释性和可靠性。我们还提出了一种分析改进的信用评分模型的潜在经济价值的方法。
端到端可解释人工智能：衍生心智理论指纹以区分自闭症和典型发育及社交症状的严重程度
摘要 — 心智理论 (ToM) 是一种不断发展的能力，对人类的学习和认知有重大影响。早期发展的心智理论能力使人能够理解他人的目标和抱负，以及与自己不同的思维方式。自闭症谱系障碍 (ASD) 是一种普遍存在的广泛性神经发育障碍，参与者的大脑似乎以整个大规模大脑系统的弥漫性变化为标志，这些大脑系统由功能上连接但物理上分离的大脑区域组成，这些大脑区域在意志行为、自我监控和监控他人意图方面出现异常，通常称为心智理论。虽然功能性神经成像技术已被广泛用于确定与心智理论有关的神经相关性，但具体机制仍需阐明。当前大数据和人工智能 (AI) 框架的可用性为系统地识别自闭症患者和正常发育患者铺平了道路，通过识别神经相关性和基于连接组的特征来生成准确的社会认知障碍分类和预测。在这项工作中，我们开发了一个 Ex-AI 模型，该模型量化了正常发育和 ASD 个体之间 ToM 大脑区域变异的共同来源。我们的结果确定了一个特征集，可以在该特征集上训练分类模型以学习特征差异并更清晰地对 ASD 和 TD ToM 发展进行分类。这种方法还可以估计 ASD ToM 亚型内的异质性及其与基于社会认知障碍的症状严重程度评分的关联。基于我们提出的框架，我们使用可解释 ML (Ex-Ml) 模型获得超过 90% 的平均准确率，使用可解释深度神经网络 (Ex-DNN) 模型获得平均 96% 的分类准确率。我们的研究结果基于静息状态下 ToM 区域功能连接模式的关键差异和异质性，以及对早期发育阶段轻度至重度非典型社会认知和沟通缺陷的预测，在 ASD 样本中确定了三个重要的亚组。
建议引用：Bauer，Kevin；辛兹，奥利弗；范德阿尔斯特，威尔； Weinhardt, Christof (2021)：Expl(AI)n It to Me – 可解释的人工智能和信息系统研究，商业与信息系统工程，ISSN 1867-0202，Springer Fachmedien Wiesbaden，威斯巴登，第 63 卷，Iss。 2，第 79-82 页，https://doi.org/10.1007/s12599-021-00683-2
使用历史数据训练数学结构，以对世界的不确定状态做出预测。例如，基于大量标记图像，深度卷积神经网络可以学习对疾病的存在做出高度准确的个体层面预测。这包括预测 COVID-19 阳性患者（Shi 等人，2020 年）。虽然高度准确的预测本身对于基于事实的决策至关重要（即使是从字面意义上讲也是关于疾病检测），但最先进的机器学习模型的高预测性能通常是以牺牲其输出的透明度和可解释性为代价的（Voosen，2017 年；Du 等人，2019 年）。换句话说：大多数高性能机器学习模型的特点是无法传达人类可解释的信息，说明它们如何以及为何产生特定预测。因此，此类机器学习应用对于人类用户甚至专业设计师来说通常都是完全的黑匣子，他们往往不了解决策关键输出背后的原因。从方法论的角度来看，无法提供与具体预测相符的解释会导致三类高级问题。首先，被忽视的不透明性会立即导致缺乏问责制，因为它妨碍了对此类系统预测的审计。这一缺陷引发了人们对黑箱社会兴起的担忧，组织和机构中不透明的算法决策过程会带来意想不到的和未预料到的下游后果，从而使情况变得更糟（Pasquale 2015；Angwin 等人 2016；Obermeyer 等人 2019）。其次，利用人工智能提高经济效率和人类福祉的潜力不仅限于通过预测为特定决策提供信息。揭示隐藏在复杂大数据结构中的新领域知识
可解释的人工智能网络安全
摘要 近年来，随着深度学习 (DL) 算法的广泛应用，例如用于检测 Android 恶意软件或易受攻击的源代码，人工智能 (AI) 和机器学习 (ML) 在网络安全解决方案的开发中变得越来越重要。然而，与其他 DL 应用领域（例如计算机视觉 (CV) 和自然语言处理 (NLP)）具有相同的基本限制，基于 AI 的网络安全解决方案无法证明结果（从检测和预测到推理和决策）并使人类可以理解。因此，可解释人工智能 (XAI) 已成为解决使人工智能模型对人类用户可解释或可解释的相关挑战的重要主题。它在网络安全领域尤其重要，因为 XAI 可以让每天被数以万计的安全警报（其中大部分是误报）淹没的安全操作员更好地评估潜在威胁并减少警报疲劳。我们对 XAI 与网络安全之间的交集进行了广泛的文献综述。具体来说，我们从两个角度调查现有文献：XAI 在网络安全中的应用（例如，入侵检测、恶意软件分类）和 XAI 的安全性（例如，对 XAI 管道的攻击、潜在的对策）。我们用文献中讨论过的几种安全属性来描述 XAI 的安全性。我们还提出了文献中未解答或未充分解决的开放性问题，并讨论了未来的研究方向。
ARGMED-AGENT：通过论证方案解散的解释临床决策推理
摘要 - 在临床推理中使用大型语言模型（LLM）有两个主要障碍。首先，尽管LLM在自然语言处理（NLP）任务中表现出巨大的希望，但它们在复杂的推理和计划中的表现却没有期望。其次，LLM使用不可解释的方法来做出与临床医生的认知过程根本不同的临床决策。这导致用户不信任。在本文中，我们提出了一个称为argdrestents的多代理框架，该框架旨在使基于LLM的代理通过互动来解释临床决策推理。Argmed-通过论证方案进行临床讨论（一种用于建模临床推理中认知过程的推理机制），然后将论证过程构造为对有冲突关系的指示图构建论证过程。最终，使用符号求解器来确定一系列理性和连贯的论点来支持决策。我们构建了一个正式的Argmed代理模型，并为理论保证提供了当前的猜想。Argmed-Agents使LLM可以通过以自定向方式产生推理的解释来模仿临床论证推理的过程。设置实验表明，与其他及时方法相比，Argsments不仅提高了复杂的临床决策推理问题的准确性，而且更重要的是，它为用户提供了提高其信心的决策解释。索引术语 - 临床决策支持，大语言模型，多代理系统，可解释的AI
Jan Schoenke、Nils Aschenbruck、Roberto Interdonato、Rushed Kanawati、Ann-Christin Meisener 等人。Gaia-AgStream：用于挖掘农业复杂数据流的可解释 AI 平台。2021 年 6 月，法国，在线，国际智能和可持续农业会议。第 71-83 页。hal-03636208
摘要。我们提出了一份关于农业领域人工智能 (AI) 和数据流平台概念的立场文件。我们项目的目标是通过提供一个名为 Gaia-AgStream 的人工智能和数据流平台，在碳农业和生物多样性保护方面支持农业生态学，该平台加速了人工智能在农业中的应用，可供农民和农业公司直接使用。我们提出的技术创新侧重于智能传感器网络、统一不确定性管理、可解释的人工智能、根本原因分析和混合人工智能方法。我们的人工智能和数据流平台概念为欧洲开放数据基础设施项目 Gaia-X 做出了贡献，包括数据和人工智能模型的互操作性以及数据主权和人工智能基础设施。我们设想的平台和为碳农业和生物多样性开发的人工智能组件将使农民能够采用可持续和有弹性的生产方法，同时通过将碳封存和人工智能就绪数据流货币化来建立新的和多样化的收入来源。开放和联合的平台概念允许将研究、工业、农业初创企业和农民聚集在一起，以形成可持续的创新网络。我们在这些背景下描述了我们提出的方法的核心概念和架构，概述了我们平台的实际用例，并最终概述了挑战和未来前景。