Jan, 2019

以人為本的人工智能和機器學習

PDF
TL;DR该研究论文提出了人类中心的人工智能的理念，这需要从社会文化视角设计人工智能算法，并包括帮助人类理解算法、公平公正性、解释性和透明度等方面的问题。
human-centered artificial intelligencesociocultural perspectivefairnessaccountabilityinterpretability
发现论文，激发创造
  • 人感知 AI 系统的挑战

    讨论了设计人类感知人工智能系统面临的挑战，包括建模人类的心理状态、识别其愿望和意图、提供主动支持、展示可解释性行为、并引发信任等，并强调这种系统引出的伦理困境和推广真正跨学科合作的必要性。

    Oct, 2019

  • 实现以人为中心的人工智能：方法论视角

    基于我们之前的工作，本文提出了一个综合的基于人为中心的人工智能（HCAI）框架，包括设计目标、设计原则、实施方法、跨学科团队和 HCAI 流程，同时提出了一个 “三层” 方法以促进框架的实施，我们相信这个系统性和可执行性框架可以克服当前 HCAI 框架中的不足，并应对当前实践中面临的挑战，进一步实现 HCAI 的发展。

    Nov, 2023

  • 设计和评估以人为中心的交互式机器学习简要指南

    该研究论文提出了一种面向人类的指南，旨在帮助机器学习从业者在开发和部署交互式机器学习系统时，解决人机协作、模型评估、公平透明等责任问题，以促进人类技能和能力的增强

    Apr, 2022

  • 人类中心的可解释人工智能 (XAI)：从算法到用户体验

    本文介绍了可解释 AI 的技术领域以及人们对人机交互和用户体验设计日益重视，在 XAI 的设计、评估、概念和方法论工具方面提供人本方法的作用。本文旨在提供人本的 XAI 设计，并帮助传达和扩展已有的 XAI 工具箱。

    Oct, 2021

  • 以人为本的负责任人工智能：当前和未来趋势

    本研究聚焦于人类中心的负责任的人工智能研究，旨在开发符合人权与伦理规范、减少潜在危害的 AI，通过学术界和工业界的合作与思想共享推进该领域的未来研究趋势和发展。

    Feb, 2023

  • 谁在思考？使用 XAI 操作手册推动以人为中心评估 LLMs

    本文探讨了人类中心的大型语言模型评估，并提出了心理模型，用例使用价值和认知参与三个研究重点，旨在加速人类中心式大型语言模型评估的进展。

    Mar, 2023

  • 面向人类中心的工业 5.0 应用的人工智能架构

    通过将人类的安全、可靠性和人本性纳入架构考量，我们提出了一种结合了人工智能（主动学习、预测、可解释人工智能）、虚拟现实、决策和用户反馈的架构，专注于人机协同效应，并在三个真实案例中进行了验证，以促进制造业向产业 5.0 的演进。此外，我们将所提出的架构与大数据价值协会参考架构模型相一致。

    Mar, 2022

  • 人工智能与人类的融合决策系统学习范式

    每天我们越来越依赖于机器学习模型来自动化和支持高风险任务和决策。这篇论文提出了混合决策系统的分类法，提供了一个概念和技术框架，以理解当前计算机科学文献中的人机交互模型。

    Feb, 2024

  • 走向多维度以人为中心的人工智能

    本篇论文呼吁在设计支持人机互动的多领域工作流时采用全面的视角，包括互动范式、界面和系统等支持机制。

    Jan, 2023

  • 面向目标驱动的人工智能综述

    人工智能在几个关键方面仍然比人类智能有限，如在理解上下文、言外之意和微妙线索方面的能力。本文展望了可能用于缩小人类智能与机器智能差距的机器智能候选方法，重点讨论了当前人工智能技术的不足，以及层次规划和能量基、潜变量方法以及联合嵌入预测架构方法如何帮助弥合这一差距。

    Aug, 2023