可解释人工智能中的信任与依赖——区分态度型与行为型度量

信任常被引述为人工智能有效使用与现实部署的基本准则。研究者认为 AI 应更具透明性以提升信任，使透明性成为 XAI（可解释人工智能）的主要目标之一。然而，关于透明性对信任影响的实证研究在此议题上尚无定论。造成这种模糊性的一种解释可能是，信任在 XAI 中以不同方式被操作化。在本立场论文中，我们主张明确区分依赖的行为型（客观）度量与信任的态度型（主观）度量。然而，研究者在意图捕捉信任时，有时似乎使用了行为型度量，尽管态度型度量更为合适。基于既往研究，我们强调有充分的理论理由将信任与依赖分开。恰当区分这两个概念可更全面地理解透明性如何影响信任与依赖，从而惠及未来的 XAI 研究。