弥合明确人工智能与卢曼交际功能理论之间的鸿沟

Feb, 2023

弥合明确人工智能与卢曼交际功能理论之间的鸿沟

Mind the Gap! Bridging Explainable Artificial Intelligence and Human Understanding with Luhmann's Functional Theory of Communication

PDF

Bernard Keenan, Kacper Sokol

TL;DR本文利用 Luhmann 和 Esposito 的社会系统理论，探讨了可解释的 AI 在人工智能交互中需要面对的挑战以及应对之道，旨在通过系统论方法的应用，提供一个新的视角来理解可解释的人工智能的问题和限制。

Abstract

Over the past decade explainable artificial intelligence has evolved from a predominantly technical discipline into a field that is deeply intertwined with social sciences. Insights such as human preference for contrastive -- more precisely, counterfactual -- explanations have played a

explainable artificial intelligence counterfactual explanations human-ai interaction social systems theory communication

发现论文，激发创造

人工智能中的解释性：来自社会科学的见解

该论文提出，可从解释生成、选择、评估和呈现的人类认知偏见和社会期望中借鉴人类解释行为，以推进可解释的人工智能领域，并回顾了哲学、认知心理学、社会心理学等相关领域的研究成果。

Jun, 2017

可解释的人工智能与人类互动：一种规划视角

AI 系统与人类的相互作用中，理解计算机中的心智模型和说明性交流对于实现合作场景和操纵人类期望至关重要。

May, 2024

利用解释桥接人工智能和人类

该研究论文提出了解释性机器学习方法来提高人类决策水平和人工智能协助决策效能之间的差距。

Mar, 2020

有帮助、误导或使人困惑：人类如何感知人工智能解释的基本构建块

这篇论文探讨了可解释的人工智能技术和其评估方法之间的差距，介绍了使用简单的数学模型来评估不同模型表述的易理解程度，以及如何设置和执行相关用户研究的概念和实践框架。

Mar, 2023

使人工智能更易解释的不同方法学综述

人们对越来越多的决策由机器完成的需求增加，但黑盒模型的决策推理令人不解，因此需要关注决策推理的清晰度与可解释性，以及如何扩展到反事实思考。

Nov, 2023

构建类人交际智能：一个基于现实经验的视角

该论文旨在提出一种 “基础” 的视角，启发人工智能的进步，包括 “基于感知 - 动作循环的体现、嵌入、延伸和实践认知” 的研究方向，以及运用逐步发展的技能促进逐步的语言发展、逐渐适应物理和社会环境的智能代理等几个具体的组成部分，以建立人类一样的语言能力。

Jan, 2022

实现人工智能功能透明度与有意义的可解释性之路

人工智能的功能透明性在透明系统中遵守设计框架中成为关键挑战，要求跨学科合作来推进透明和可解释的人工智能系统的发展。

Oct, 2023

面向可解释人工智能的基于场景对话模型

本文旨在探讨为了与用户建立信任，可解释人工智能系统需要包括一个解释模型，其可以向交互的人类沟通其内部的决策、行为和操作。该文通过对 398 种不同解释对话类型的记录进行分析，提出了一种人类解释对话模型，并使用基础理论进行编码和确定其关键成分，还进一步分析了对话中发生的序列和周期的关系，提出了一种泛化状态模型。

Jun, 2018

可解释人工智能的基础交互协议

本文探讨了可解释人工智能系统中的交互式解释问题，并提出了一种基于代理对话框架的交互协议模型，通过对 398 个解释对话的分析和人机交互实验的验证，证明该模型能够准确地模拟人机交互对话。

Mar, 2019

解释性人工智能中社会技术差距的绘图：解决 XAI 中的差距框架

论文研究了可解释 AI 的社会技术性质，提出社会技术差距并设计了一个框架来系统地研究该差距，以获得可操作的见解并扩展 XAI 设计空间。

Feb, 2023