知识图谱上的可理解人工智能：综述
人工智能
2024-04-05 v1
摘要
人工智能应用正逐渐走出研究实验室的安全壁垒并进入我们的日常生活。知识图谱上的机器学习方法也是如此，这导致自21世纪初以来其应用稳步增加。然而，在许多应用中，用户需要对人工智能的决策进行解释。这导致了对可理解人工智能的需求增加。知识图谱体现了可理解人工智能的沃土，因为它们能够以人类可读和机器可读的方式显示连接的数据，即知识。本综述简述了知识图谱上可理解人工智能的历史。此外，我们通过论证可解释人工智能（Explainable Artificial Intelligence）的概念过载且与可解释机器学习（Interpretable Machine Learning）相重叠来做出贡献。通过引入父概念可理解人工智能，我们在考虑两者相似性的同时，对这两个概念进行了明确的区分。因此，在本综述中，我们为知识图谱上的可理解人工智能提出了一个论据，它由知识图谱上的可解释机器学习和知识图谱上的可解释人工智能组成。这引出了一种知识图谱上可理解人工智能的新颖分类法。此外，本文还全面概述了知识图谱上可理解人工智能的研究，并将其置于该分类法的背景下。最后，识别了知识图谱上可理解人工智能领域的研究空白，以供未来研究。
引用
@article{arxiv.2404.03499,
title = {Comprehensible Artificial Intelligence on Knowledge Graphs: A survey},
author = {Simon Schramm and Christoph Wehner and Ute Schmid},
journal= {arXiv preprint arXiv:2404.03499},
year = {2024}
}