AI Explainability 360：影响与设计
流体动力学
2023-03-14 v1 人工智能
摘要
随着人工智能和机器学习算法在社会中日益普遍，多方利益相关者呼吁这些算法提供解释。同时，这些利益相关者——无论是受影响的公民、政府监管者、领域专家还是系统开发者——有着不同的解释需求。为满足这些需求，我们于2019年创建了 AI Explainability 360（Arya 等人 2020），一个开源软件工具包，具有十种多样且最先进的解释性方法和两项评估指标。本文通过若干案例研究、统计数据和社区反馈考察该工具包的影响。用户接触 AI Explainability 360 的不同方式带来了多种类型的影响和多项指标的改进，其被独立的 LF AI & Data Foundation 采纳便是明证。本文还描述了该工具包的灵活设计、使用示例，以及可供用户使用的丰富教育材料和文档。
引用
@article{arxiv.2109.12149,
title = {Airfoil's Aerodynamic Coefficients Prediction using Artificial Neural Network},
author = {Hassan Moin and Hafiz Zeeshan Iqbal Khan and Surrayya Mobeen and Jamshed Riaz},
journal= {arXiv preprint arXiv:2109.12149},
year = {2023}
}