不可读模型的可读双胞胎
人工智能
2025-04-18 v1 计算机视觉与模式识别
摘要
创建负责任的人工智能 (AI) 系统是当代 AI 研究与开发中重要的问题。负责任 AI 系统的一个特征是其可解释性。在本文中，我们关注可解释深度学习 (XDL) 系统。基于物理对象的数字双胞胎创建，我们提出了为不可读深度学习模型创建可读双胞胎 (以不精确信息流模型的形式) 的想法。从深度学习模型 (DLM) 转换为不精确信息流模型 (IIFM) 的完整过程被呈现。该方法以识别手写数字 MNIST 数据集图像的深度学习分类模型为例进行说明。
引用
@article{arxiv.2504.13150,
title = {Readable Twins of Unreadable Models},
author = {Krzysztof Pancerz and Piotr Kulicki and Michał Kalisz and Andrzej Burda and Maciej Stanisławski and Jaromir Sarzyński},
journal= {arXiv preprint arXiv:2504.13150},
year = {2025}
}
备注
Based on the abstract accepted for ISFS 2025