科学解释与自然语言：可解释人工智能的统一认识论—语言学视角
人工智能
2022-05-06 v2 计算与语言
摘要
可解释人工智能（XAI）的一个基本研究目标是构建能够通过生成自然语言解释来进行推理的模型。然而，用于设计和评估基于解释的推理模型的方法论仍然很少从关于解释本质的理论论述中获得指导。作为为 XAI 提供认识论基础刻画的尝试，本文聚焦于科学领域，旨在弥合关于科学解释概念的理论与实践之间的鸿沟。具体而言，本文结合科学哲学中现代科学解释论述的详细综述与自然语言解释语料的系统分析，从自上而下（范畴式）和自下而上（基于语料）的视角澄清解释性论证的本质与功能。通过定量与定性方法的结合，所呈现的研究可得出以下主要结论：（1）解释不能仅以归纳或演绎论证来完全刻画，因为其首要功能是进行统一；（2）解释必须引述导致待解释事件发生的因果与机制；（3）尽管自然语言解释具有内在的因果—机制性质，但它们不限于因果与机制，还涵盖定义、属性和分类关系等语用要素；（4）统一模式在解释语料中自然涌现，即便未被有意建模；（5）统一通过抽象过程实现，其功能是提供推理基底，将待解释事件归摄于反复出现的模式与高层规律之下。
引用
@article{arxiv.2205.01809,
title = {Scientific Explanation and Natural Language: A Unified Epistemological-Linguistic Perspective for Explainable AI},
author = {Marco Valentino and André Freitas},
journal= {arXiv preprint arXiv:2205.01809},
year = {2022}
}