用于解释面向服务系统深度强化学习决策的 AI 聊天机器人
机器学习
2023-09-27 v1 人工智能
计算与语言
摘要
深度强化学习（Deep RL）正日益被用于应对面向服务系统中的开放世界假设。Deep RL 已成功应用于动态服务组合、作业调度与卸载以及服务适配等问题。尽管 Deep RL 带来诸多益处，理解其决策过程颇具挑战，因为其学到的决策策略本质上呈现为黑箱。然而，理解 Deep RL 的决策对于帮助服务开发者进行调试、支持服务提供者遵守相关法律框架以及促进服务用户建立信任至关重要。我们引入 Chat4XAI，通过提供自然语言解释来促进对 Deep RL 决策的理解。与视觉解释相比，自然语言解释已报道的优势包括对非技术用户更好的可理解性、更高的用户接受度与信任，以及更高效的解释。Chat4XAI 利用了现代 AI 聊天机器人技术与专门的提示工程。相较于早期使用基于经典软件对话系统的自然语言解释工作，使用 AI 聊天机器人消除了预先引出并定义潜在问题与答案的需要。我们使用 OpenAI 的 ChatGPT API 原型化实现了 Chat4XAI，并借助一个自适应服务示例评估了其解释的真实性与稳定性。
引用
@article{arxiv.2309.14391,
title = {An AI Chatbot for Explaining Deep Reinforcement Learning Decisions of Service-oriented Systems},
author = {Andreas Metzger and Jone Bartel and Jan Laufer},
journal= {arXiv preprint arXiv:2309.14391},
year = {2023}
}
备注
To be published at 21st Int'l Conference on Service-Oriented Computing (ICSOC 2023), Rome, Italy, November 28-December 1, 2023, ser. LNCS, F. Monti, S. Rinderle-Ma, A. Ruiz Cortes, Z. Zheng, M. Mecella, Eds., Springer, 2023