可解释人工智能在数值库自动调优中的适配
软件工程
2025-01-07 v1 人工智能
机器学习
数学软件
摘要
人们对人工智能(AI)输出的无监管使用产生了担忧，这可能导致各种社会问题。虽然人类常规地验证信息，但手动检查大量AI生成的结果是不切实际的。因此，自动化和可视化势在必行。在此背景下，可解释人工智能(XAI)技术日益受到重视，旨在简化AI模型开发并减轻向用户解释AI输出的负担。同时，软件自动调优(AT)技术应运而生，旨在减少数值计算中性能调优所需的人时。AT是参数优化和数值计算高性能编程中降低成本的有力工具。AT机制与AI技术的协同作用值得关注，AI在AT中得到了广泛应用。然而，将AI应用于AT机制引入了AI模型可解释性的挑战。本研究关注XAI在集成到两个不同过程中的AI模型：精度保证数值计算的性能参数调优和稀疏迭代算法。
引用
@article{arxiv.2405.10973,
title = {Adaptation of XAI to Auto-tuning for Numerical Libraries},
author = {Shota Aoki and Takahiro Katagiri and Satoshi Ohshima and Masatoshi Kawai and Toru Nagai and Tetsuya Hoshino},
journal= {arXiv preprint arXiv:2405.10973},
year = {2025}
}
备注
This article has been submitted to Special Session: Performance Optimization and Auto-Tuning of Software on Multicore/Manycore Systems (POAT), In conjunction with IEEE MCSoC-2024 (Dec 16-19, 2024, Days Hotel & Suites by Wyndham Fraser Business Park, Kuala Lumpur)