不确定性感知与信任——基于局部与全局解释的信任校准

可解释人工智能已成为文献中常见的术语，受到计算机科学家和统计学家的审视，也受到心理学家和哲学家研究者的关注。许多研究者致力于构建可解释人工智能方案的通用指南，而我们则从本研究中派生出这些指南。尽管某些可解释人工智能领域已受到充分研究，但我们关注的是不确定性解释和全局解释，这些往往被忽视。我们选择一个涵盖多种概念的算法，如不确定性、鲁棒性和全局可解释人工智能，并测试其信任校准能力。随后我们检查了一款旨在提供更直观视觉理解、尽管难以理解、但能否提供更高的用户满意度和人类可解释性。