面向定制化用电反馈的可解释 AI——可视化的实验评估
人机交互
2022-08-25 v1 人工智能
计算机与社会
机器学习
摘要
机器学习（ML）方法能有效分析数据、识别其中的模式并作出高质量预测。良好的预测通常伴随“黑盒”模型，其无法以人类可读的方式呈现所发现的模式。技术发展近期催生了可解释人工智能（XAI）技术，旨在打开此类黑盒，使人类能从发现的模式中获取新洞察。我们研究了对特定洞察可显著影响消费者行为（即用电）的领域中的 XAI 应用。鉴于针对个体用电的特异性反馈可触发资源节约，我们利用领域既有设计知识，从用电时间序列中为高度个性化反馈创建了五种基于 ML 和 XAI 方法的可视化。我们对 152 名参与者的实验评估表明，人类能够吸收 XAI 可视化所展示的模式，但此类可视化应遵循已知的可视化范式以便用户理解。
引用
@article{arxiv.2208.11408,
title = {Explainable AI for tailored electricity consumption feedback -- an experimental evaluation of visualizations},
author = {Jacqueline Wastensteiner and Tobias M. Weiss and Felix Haag and Konstantin Hopf},
journal= {arXiv preprint arXiv:2208.11408},
year = {2022}
}