面向6G的可解释人工智能(XAI)：增进人与机器间的信任
信号处理
2019-11-21 v2 机器学习
网络与互联网体系结构
摘要
随着第五代(5G)移动通信网络带来全球社会效益，第六代(6G)的设计阶段已然启动。6G需要实现更高水平的自主性、改善人机接口，并在更多样化的环境中实现深度连接。由于6G管理着从任务关键型服务(如自动驾驶)到安全关键型任务(如远程手术)的广泛业务，对可解释性以提升信任的需求至关重要。当我们从传统的基于模型的优化迁移到深度学习时，对优化模块的信任度下降。这种信任缺失意味着我们无法理解以下方面的影响：1) 劣质/偏倚/恶意数据，以及 2) 神经网络设计对决策的作用；也无法向工程师或公众解释网络的行动。在本综述中，我们概述了面向6G的可解释人工智能(XAI)的核心概念，包括：公共与法律动机、可解释性的定义、性能与可解释性权衡、改进可解释性的方法，以及将XAI整合进未来无线系统的框架。我们的综述立足于物理层(PHY)和媒体接入控制(MAC)层优化的案例研究，并为学界提供了一个亟待开展的重要研究领域。
引用
@article{arxiv.1911.04542,
title = {Explainable Artificial Intelligence (XAI) for 6G: Improving Trust between Human and Machine},
author = {Weisi Guo},
journal= {arXiv preprint arXiv:1911.04542},
year = {2019}
}