面向所有人的 XAI：大语言模型能否简化可解释人工智能？
人工智能
2024-01-25 v1 人机交互
摘要
可解释人工智能 (XAI) 领域通常侧重于具有深厚技术背景的用户，这使得非专家难以理解 XAI 方法。本文提出了“x-[plAIn]”，这是一种通过使用 ChatGPT Builder 开发的定制大语言模型 (LLM)，使 XAI 能够为更广泛受众所用的新方法。我们的目标是设计一个模型，能够针对不同受众（包括商业专业人士和学术界）生成清晰、简洁的各类 XAI 方法摘要。我们模型的关键特征在于其能够调整解释，以匹配各受众群体的知识水平与兴趣。我们的方法仍能提供及时的见解，从而促进终端用户的决策过程。我们的用例研究结果表明，无论使用何种 XAI 方法，该模型都能有效提供易于理解且针对特定受众的解释。这种适应能力提高了 XAI 的可及性，弥合了复杂人工智能技术与其实际应用之间的差距。我们的发现表明，LLM 在使高级人工智能概念更易为多样化用户群体所理解方面具有广阔前景。
引用
@article{arxiv.2401.13110,
title = {XAI for All: Can Large Language Models Simplify Explainable AI?},
author = {Philip Mavrepis and Georgios Makridis and Georgios Fatouros and Vasileios Koukos and Maria Margarita Separdani and Dimosthenis Kyriazis},
journal= {arXiv preprint arXiv:2401.13110},
year = {2024}
}