OAK4XAI：面向数字农业开箱即用可解释人工智能的模型
人工智能
2022-10-03 v1
摘要
近来，机器学习方法在人工智能（AI）应用中表现有效，能够以较高准确率产生稳健结果。然而，这类技术大多无法为其结果与决策提供人类可理解的解释，通常如同黑箱，难以知晓决策是如何做出的。近期备受关注的可解释人工智能（XAI）试图为决策过程与已训练的AI模型提供人类可理解的解释。例如，在数字农业中，相关领域常呈现与背景知识无关联的特异或输入特征。在农业数据上应用数据挖掘过程所得结果（知识）难以解释。本文提出一种知识图谱模型与本体设计作为XAI框架（OAK4XAI）以应对该问题。该框架不仅考虑流程中的数据分析部分，还通过作为框架模块的本体与知识图谱模型纳入领域知识的语义层面。许多正在进行的XAI研究旨在对给定特征值如何贡献于模型决策提供准确且可言语化的说明。而本文所提方法侧重于提供数据挖掘模型中所涉概念、算法与数值的一致信息与定义。我们构建了农业计算本体（AgriComO）以解释农业中挖掘出的知识。AgriComO结构精心设计，包含适用于农业与计算领域的广泛概念与转换。
引用
@article{arxiv.2209.15104,
title = {OAK4XAI: Model towards Out-Of-Box eXplainable Artificial Intelligence for Digital Agriculture},
author = {Quoc Hung Ngo and Tahar Kechadi and Nhien-An Le-Khac},
journal= {arXiv preprint arXiv:2209.15104},
year = {2022}
}
备注
AI-2022 Forty-second SGAI International Conference on Artificial Intelligence