MAIR：用于挖掘可解释人工智能领域中研究论文、策略与法规之间关系的框架
信息检索
2021-08-16 v1 人工智能
计算与语言
社会与信息网络
摘要
AI 应用数量的不断增长，也包括高利害决策中的应用，提升了对可解释与可理解机器学习(XI-ML)的兴趣。这一趋势既体现在旨在发展可信 AI 的法规与策略数量的增加，也体现在致力于该主题的科学论文数量的增多。为确保 AI 的可持续发展，理解法规对研究论文的影响动态以及科学论述对 AI 相关政策的影响至关重要。本文引入了一种联合分析 AI 相关政策文档与可解释人工智能(XAI)研究论文的新框架。所收集的文档利用多种 NLP 方法并结合受制度语法启发的 methodology enriched with metadata and interconnections。基于从收集文档中提取的信息，我们展示了一系列有助于理解不同制度化阶段文档之间交互、相似性与差异的分析。据我们所知，这是首个使用自动语言分析工具来理解 XI-ML 方法与法规之间动态的工作。我们相信这样的系统有助于 XAI 研究人员与 AI 政策制定者之间更好的合作。
引用
@article{arxiv.2108.06216,
title = {MAIR: Framework for mining relationships between research articles, strategies, and regulations in the field of explainable artificial intelligence},
author = {Stanisław Gizinski and Michał Kuzba and Bartosz Pielinski and Julian Sienkiewicz and Stanisław Łaniewski and Przemysław Biecek},
journal= {arXiv preprint arXiv:2108.06216},
year = {2021}
}