基于ISHMAP框架在火星毅力号漫游者上开发异常检测界面的经验启示
人机交互
2023-02-15 v1 计算工程、金融与科学
机器学习
摘要
尽管异常检测是众多科学领域中最为重要且具价值的问题之一，但异常检测研究往往聚焦于人工智能方法，这类方法可能缺乏科学探究所至关重要的细微差别与可解释性。在这篇应用论文中，我们展示了一种替代方法的应用成果，该方法将基于机器学习的异常检测的数学表述置于参与式设计框架之中。在与NASA科学家就PIXL仪器研究火星行星地球化学（作为地外生命搜寻的一部分）的合作中，我们报告了超过18个月的情境化用户研究与协同设计，以界定NASA科学家在检测与解释光谱异常时所面临的关键问题。我们针对这些问题开发了一款面向PIXL科学家的新型光谱异常检测工具包，其具有极高精度，同时保持对科学解释的强透明性。我们还描述了该算法及相关界面为期一年的现场部署成果。最后，我们介绍了在此合作过程中为共同创建异常检测算法而开发的新设计框架：异常现象的迭代语义启发式建模（ISHMAP），其为科学家与研究者提供了一套生成原生可解释异常检测模型的流程。本工作展示了在科学领域内成功桥接人工智能与HCI（人机交互）方法论的范例，并提供了ISHMAP这一资源，可供其他寻求与科学团队合作的科研人员和从业者使用，以通过更有效且可解释的异常检测工具实现更好的科学发现。
引用
@article{arxiv.2302.07187,
title = {Lessons from the Development of an Anomaly Detection Interface on the Mars Perseverance Rover using the ISHMAP Framework},
author = {Austin P. Wright and Peter Nemere and Adrian Galvin and Duen Horng Chau and Scott Davidoff},
journal= {arXiv preprint arXiv:2302.07187},
year = {2023}
}