Oct, 2023

首届面向艺术的可解释人工智能国际研讨会论文集 (XAIxArts)

PDF
TL;DR第一届可解释 AI 艺术国际研讨会旨在探索可解释 AI 对艺术的作用，聚集了人机交互、交互设计、AI、可解释 AI 和数字艺术等领域的研究人员。
发现论文，激发创造
  • 第二届可解释性人工智能与艺术国际研讨会论文集 (XAIxArts)

    探索 XAI 在艺术领域的作用，汇集了 HCI、交互设计、人工智能、可解释人工智能 (XAI) 和数字艺术方面的研究者的社区。

    Jun, 2024

  • 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

  • 回顾解释型人工智能的需求 (xAI)

    本文对可解释性人工智能的相关文献进行了系统回顾，发现了四个主题性讨论，旨在推动可解释性人工智能领域的研究进一步深入发展。

    Dec, 2020

  • AIxArtist：与人工智能互动逃离创作瓶颈的第一人称故事

    未来，艺术和人工智能（AI）之间的融合充满了前景，通过技术的进步，AI 在设计中的使用越来越广泛，艺术实践可能不再是一种仅限于人类的艺术形式，而是成为一种数字化整合的体验。通过增强的创造力和协作，艺术和 AI 可以共同努力创造出视觉上吸引人且满足艺术家和观众需求的艺术产出。虽然融合将走多远还难以预测，但艺术与 AI 很可能会相互影响。本文的研究人员通过描述 HCI 研究人员和 AI 之间试图摆脱创造障碍的互动，提出了一次第一人称研究，以探索 AI 如何支持艺术家的创造力，并在这种情境中什么是可解释的。结果引发了进一步讨论和探索，涉及到 XAIxArts 社区中透明化的归因、创作过程、伦理问题、灵感与抄袭等方面。

    Aug, 2023

  • 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

  • 可解释人工智能分析和设计的多组件框架

    这篇论文讨论了符合科学历史的可解释人工智能 (XAI) 的框架问题，其原因追溯至现代机器学习（尤其是深度和强化学习）和对创造值得信赖的 AI 系统的关注，它的五个级别框架是 XAI 的关键组成部分。

    May, 2020

  • 人机交互中，可解释人工智能界面的设计与评估：系统调查

    该论文通过对 53 篇出版物的系统调查，介绍了可解释人工智能（XAI）和可解释界面（EI）研究的最新趋势，旨在提高 XAI 系统的可用性、实用性和用户体验设计方面的效果，并为 EI 设计与开发指明了有前途的方向。

    Mar, 2024

  • 面向用户的人机交互可解释人工智能框架

    提出了一个以用户为中心的框架，旨在为非专业用户提供交互式可解释人工智能解决方案。

    Sep, 2021

  • XAIR：增强现实可解释人工智能框架

    XAIR 是一个设计框架，通过多学科文献综述，大规模调查和专家意见收集，促进人工智能在增强现实中的可解释性，并通过实证研究证实其实用性和效果。

    Mar, 2023

  • 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