May, 2023

解释幽灵：女性主义交叉可解释人工智能和制图学作为计算不可见劳动的方法

PDF
TL;DR现代自动化通过 AI 需要大量的幕后人工劳动，其中一部分是不可见的，并且经常被低估。由于不可见的劳动是当代 AI 系统的一个重要组成部分，因此敏感用户对其角色非常重要。本文建议通过可解释 AI（XAI）设计特别是女性主义交叉 XAI 来实现这一点。我们提出了地图制图的方法，该方法源自女性主义交叉研究，旨在描绘人工智能的系统观，并包括与不可见劳动有关的人工智能维度。
automationaiinvisible laborexplainable aifeminist intersectional xai
发现论文，激发创造
  • 走向女性主义交叉解释型人工智能：从可解释性到响应能力

    本论文探讨了女性主义交叉视角在人机交互与 AI 设计中的重要性，并提出了增强反应能力和将边缘化视角置于中心的解释性 AI 设计方向。

    May, 2023

  • 数据女权主义与人工智能

    通过引入新的原则并与环境影响和同意相关，本文在探讨为进行公平、道德和可持续的 AI 研究而提出的交叉女权主义原则的基础上，阐述了女权主义对 AI 研究的重要性，并旨在解决 AI 研究中不平等、非民主、剥削和排斥力量，预防不安全、歧视或压迫性系统释放到世界上产生可预测的危害，并激发创造性、快乐和集体的方式，致力于建立一个更具公平、可持续的世界，让我们所有人都能蓬勃发展。

    May, 2024

  • 探索可解释人工智能 (XAI) 在 AI 生命周期中对公平性的潜力

    人工智能系统的广泛应用越来越突显算法公正性问题，特别是在高风险情景下。因此，对如何改善人工智能系统的公正性以及可采取的措施进行关键考虑已迫在眉睫。许多研究人员和政策制定者认为可解释的人工智能是提高人工智能系统公正性的一种有希望的方法。然而，可解释的人工智能方法和公正性概念各不相同，它们表达不同的期望，而且可解释的人工智能与公正性之间的确切联系仍然模糊不清。此外，在人工智能系统的整个生命周期中，可能适用不同的措施来增加算法的公正性。然而，目前还没有一种连贯的方法将公正性期望与人工智能生命周期相对应。本文旨在填补这两个空白：我们概括得出了八个公正性期望，将它们与人工智能生命周期相联系，并讨论可解释的人工智能如何帮助解决每个期望。我们希望为实际应用提供方向，并激励特别关注这些公正性期望的可解释的人工智能研究。

    Apr, 2024

  • 可解释人工智能 (XAI) 中的机遇与挑战：一份调查

    本文介绍了深度学习中可解释人工智能技术（XAI），提出了技术分类法并介绍了方法学、范畴和应用层次等主要原则，旨在建立可信、可解释和自说明的深度学习模型。此外，通过八种不同的可解释人工智能算法对图像数据进行了评估，讨论了这种方法的局限性，并提出了未来改进的潜在方向。

    Jun, 2020

  • 地理制图中的人工智能研究：方法、应用和伦理的综述与综合

    地理人工智能（GeoAI）在测绘学中的应用与研究展现了巨大潜力，同时也引发了伦理问题的关注，本文通过对 GeoAI 和测绘学整合的研究进行综述和分析，总结了关于 GeoAI 在测绘设计中的应用方法以及相关的伦理挑战，并提出了未来的研究方向。

    Dec, 2023

  • 关于 XAIxArt 的禁令

    解释性人工智能与艺术（XAIxArt）交叉领域涉及的一系列问题是该论文的重点，通过一系列次问题，指出 “解释” 和 “相关解释” 存在的模糊性。拒绝了 “解释” 和 “相关解释”，该论文认为 XAIxArt 是人类中心主义对艺术的不安全感以及对过时的创作权和人类主体性懷旧欲望的症状。为了证明这一立场，该论文将解释模型从装饰模型转变为意义生成模型。

    Sep, 2023

  • 可解释人工智能（XAI）2.0：开放挑战和跨学科研究方向的宣言

    通过提出 27 个开放问题分类为九类，本文不仅强调了 XAI 及其在现实世界中的应用的进展，也解决了 XAI 中的挑战，并强调了更广泛的视角和协作努力的需求，以推动 XAI 的发展和贡献于其持续成功。

    Oct, 2023

  • 通往可解释 AI 中跨文化伦理学实践的道路

    该研究介绍了一种以跨文化伦理为基础的可解释人工智能方法，针对在全球南方低资源领域中的应用，探讨了文化差异如何影响技术采用和使用，以及如何提高用户理解和促进这些方法的有效使用。

    Apr, 2023

  • 权力结构矩阵的因素分解：对 AI 公平性中交叉性理论的批判性评论和再想象

    本研究探讨交叉性是如何应用于 AI Fairness 领域，并指出研究人员在这个应用方面所存在的概念和实践差距，并提出了关于如何改进这种状况的建议。

    Mar, 2023

  • 何者想要什么以及如何实现：用于可解释人工智能的映射函数

    本研究旨在对现有可解释人工智能研究进行审查，并对 XAI 方法进行分类。该研究目的在于为 XAI 用户提供适当的方法，并将所需属性与当前 XAI 方法相关联，从而为用户提供个性化的解释。

    Feb, 2023