BACON：基于分级逻辑的全解释AI模型用于决策问题
人工智能
2025-05-29 v3 机器学习
摘要
随着机器学习模型和自主智能体在医疗、安保、金融和机器人等高风险领域的部署，确保AI决策透明可信的解释需求变得至关重要。为了实现AI决策的端到端透明度，我们需要的是不仅准确，而且完全可解释且可人工调节的模型。我们引入BACON，一个用于使用分级逻辑自动训练决策问题中可解释AI模型的新框架。BACON在保持高预测准确性的同时，提供完全的结构透明度和精确的、基于逻辑的符号解释，使人类与AI之间的有效协作和专家引导的细化成为可能。我们以多样化的场景评估BACON：经典布尔近似、鸢尾花分类、房屋购买决策和乳腺癌诊断。在每种情况下，BACON都提供了高性能模型，同时产生紧凑、可人类验证的决策逻辑。这些结果表明，BACON作为一种实用且原则的方法，能够为提供清晰、可信赖的可解释AI。
引用
@article{arxiv.2505.14510,
title = {BACON: A fully explainable AI model with graded logic for decision making problems},
author = {Haishi Bai and Jozo Dujmovic and Jianwu Wang},
journal= {arXiv preprint arXiv:2505.14510},
year = {2025}
}