面向人类理解 ML 函数的交互式多模态表示
图形学
2026-05-04 v1 人机交互
多媒体
摘要
关于人工智能和机器学习的态度正遭受根深蒂固的误解；鉴于我们对这些技术日益依赖的增加，广泛的理解和对其使用的信心至关重要。为此，我们的工作旨在通过交互式可视化增加这些通常不可及主题的理解，从而赢得对其的好奇心，期望启动一轮理解，进而引发对进一步知识探索的兴趣。我们希望这会循环性地将全球态度从当前 ML 中令人 intimidated 的未知转变为一种求知之欲。本工作探索支持新兴技术好奇心的最佳实践，以激发态度范式转换。通过对三种机器学习数据的不同可视化，我们创建了原型系统，选取高度透明的数据集，以检验吸引注意力的成功因素，以获得更加知情的 ML 意见，这些意见不受恐惧未知的支配。通过运用交互式可视化，我们可以吸引青少年和来自不同领域的人的兴趣，鼓励他们探索机器学习的迷人世界。
引用
@article{arxiv.2605.00357,
title = {Towards Interactive Multimodal Representation of ML Functions for Human Understanding of ML},
author = {Bokang Wang and Yingxuan Liao and Leah Lee and Jack Wesson and Anlan Yang and Ruizi Wang and Yigang Wen},
journal= {arXiv preprint arXiv:2605.00357},
year = {2026}
}