机器学习在特定食品加工、农业和健康应用中的可解释性与可及性
机器学习
2022-12-01 v1 人工智能
摘要
人工智能（AI）及其以数据为中心的分支机器学习（ML）在过去几十年中取得了长足的发展。然而，随着 AI 在现实世界用例中的使用日益增多，AI 系统的可解释性和可及性的重要性已成为主要研究领域。基于 ML 的系统缺乏可解释性是这些强大算法得到广泛采用的主要障碍。这是由包括伦理和监管在内的诸多原因造成的，这些原因导致 ML 在某些领域的采用率较低。近年来，关于可解释 ML 的研究激增。通常，设计 ML 系统需要对领域有良好的理解并结合专家知识。通过自动化模型设计来提高 ML 可及性的新技术正在涌现。本文回顾了在全球问题背景下为提高机器学习的可解释性和可及性所做的工作，同时与发展中国家相关。我们回顾了多个可解释性层级下的工作，包括科学和数学解释、统计解释以及部分语义解释。本综述涵盖了三个领域的应用，即食品加工、农业和健康。
引用
@article{arxiv.2211.16699,
title = {Interpretability and accessibility of machine learning in selected food processing, agriculture and health applications},
author = {N. Ranasinghe and A. Ramanan and S. Fernando and P. N. Hameed and D. Herath and T. Malepathirana and P. Suganthan and M. Niranjan and S. Halgamuge},
journal= {arXiv preprint arXiv:2211.16699},
year = {2022}
}
备注
published in the "Journal of the National Science Foundation of Sri Lanka, Volume 50"