通过言外问答生成以用户为中心的解释：从哲学到界面

我们提出了一种利用 AI 生成解释的新方法，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 算法流水线的交互式解释生成新方法，该流水线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。通过本工作，我们旨在证明 Achinstein 提出的解释哲学理论实际上可被改造实现于具体软件应用中，作为一种交互式、言外性的问答过程。具体而言，我们的贡献在于以一种计算机友好的方式框定语外行为（illocution），以通过统计问答实现用户中心性。事实上，我们将解释过程的言外行为框定为一种机制，负责以未提出、隐式、原型性问题的形式预判被解释者的需求，从而提升底层解释过程的用户中心性。因此，我们假设：若一个解释过程是一种提供给予内容之答案的言外行为，且言外行为如我们所定义，则一个解释工具能回答的显式与隐式问题越多，其解释就越可用。我们通过对超过 60 名参与者进行的用户研究测试了该假设，涉及两个基于 XAI 的系统，一个用于信用审批，一个用于心脏病预测。结果表明，提升解释工具的言外能力可在有效性上产生统计显著改善。这一点与有效性和满意度增量间的明显一致性相结合，表明我们对言外行为的理解可能是正确的，为我们的理论提供了证据支持。