从哲学到界面：受 Achinstein 解释理论启发的解释方法与工具

我们提出了一种用于人工智能 (AI) 解释的新方法，以及一个在用户界面中测试其表达能力的工具。为了弥合哲学与人机界面之间的鸿沟，我们展示了一种基于复杂 AI 算法流水线生成交互式解释的新途径，该流水线可将自然语言文档结构化为知识图谱，并有效且令人满意地回答问题。在主流的哲学解释理论中，我们识别出一种在我们看来更易于作为以用户为中心工具的实用模型：Achinstein 的解释理论。通过这项工作，我们旨在证明 Achinstein 提出的理论确实可以被适配并实现为一个具体的软件应用，即一个回答问题的交互过程。为此，我们找到了一种方法，将那些隐含表征解释过程的通用（原型）问题处理为初步概览，而非通常理解的显式问题的答案。为展示此方法的表达能力，我们设计并实现了一条 AI 算法流水线，用于以概览形式生成交互式解释，重点关注解释的这一方面，而非现有的问答界面和表示逻辑层。我们在 IBM 一个著名的 XAI 驱动的信用审批系统上测试了我们的假设，将静态的事后解释工具 CEM 与我们基于该模型开发的、增加了交互式解释的扩展版本进行了比较。涉及 100 多名参与者的用户研究结果表明，我们提出的解决方案在有效性上相较于基线产生了统计显著的提升 (U=931.0, p=0.036)，从而为我们的理论提供了有利证据。