HiTZ@Antidote：面向数字医学的论证驱动可解释人工智能
计算与语言
2023-06-12 v1 人工智能
摘要
为基于机器学习的AI预测提供高质量解释是一项具挑战且复杂的任务。要良好运作，它除其他因素外还需：选择恰当的解释泛化/特化层级；考量解释接收者对所涉AI任务的熟悉度假设；指涉促成决策的具体要素；利用可能不在预测过程中的额外知识（如专家证据）；并提供支持否定假设的证据。最后，系统需以清晰可解释且可能具说服力的方式表述解释。鉴于上述考量，ANTIDOTE倡导一种可解释AI的集成视角，将深度学习过程的底层特征与人类论证能力特有的高层图式相结合。ANTIDOTE将利用深度学习与论证的跨学科能力，支撑一种更广阔且创新的可解释AI视角，其中对临床病例审议高质量解释的需求至关重要。作为项目首要成果，我们发布了Antidote CasiMedicos数据集，以促进可解释AI总体及特别是医学领域论证的研究。
引用
@article{arxiv.2306.06029,
title = {HiTZ@Antidote: Argumentation-driven Explainable Artificial Intelligence for Digital Medicine},
author = {Rodrigo Agerri and Iñigo Alonso and Aitziber Atutxa and Ander Berrondo and Ainara Estarrona and Iker Garcia-Ferrero and Iakes Goenaga and Koldo Gojenola and Maite Oronoz and Igor Perez-Tejedor and German Rigau and Anar Yeginbergenova},
journal= {arXiv preprint arXiv:2306.06029},
year = {2023}
}
备注
To appear: In SEPLN 2023: 39th International Conference of the Spanish Society for Natural Language Processing