论文排版软件【导读】可解释AI是现在正火热的科研和工程问题。本文介绍Arxiv上的《Explanation in Human-AI Systems》，一篇关于可解释机器学习的综述，介绍了可解释机器学习的多学科观点、历史研究、模型、关键点等。
可解释AI是现在正火热的科研和工程问题。Arxiv上一篇《Explanation in Human-AI Systems: A Literature Meta-Review Synopsis of Key Ideas and Publications and Bibliography for Explainable AI》介绍了可解释机器学习的多学科观点、历史研究、模型、关键点等，PDF大概内容组织如下：
-
目的、范围和本文组织结构
-
该主题的重要性
-
本文的组织结构
-
多学科观点
-
哲学
-
逻辑学观点
-
机械学观点
-
统计学观点
-
相对主义者/实用主义者的观点
-
心理学
-
可解释性与心理学
-
社会心理学
-
语言心理学
-
团队科学
-
其他人类因素、认知系统工程和决策辅助
-
考虑多学科观点的总结
-
从研究到相关主题的发现
-
以前的综述
-
公平、透明、安全、可靠、道德
-
信任
-
因果推理和外展推理
-
事件和概念的因果和机械推理
-
类比
-
理解解释
-
理解的失败和局限性
-
复杂系统的理解
-
反事实和对比推理
-
个体差异与动机
-
学习和概念形成
-
心智模型
-
前瞻推理与规划
-
对话式解释
-
自解释
-
迁移和泛化
-
关键论文和它们的贡献
-
AI系统的可解释性：历史研究的观点
-
心理理论、假设和模型
-
分类学
-
解释性与基础认知过程的关系
-
好解释的特性
-
可解释推理的局限和缺点
-
解释性推理的个体差异
-
解释的概念模型
-
心理模型的总结
-
可解释性AI关键概念的概要
-
解释的价值
-
形式和内容
-
可解释性
-
解释和证明
-
候选解释
-
心智模型
-
预期和前瞻
-
全局和本地解释
-
上下文依赖
-
对比推理
-
一致
-
好的和满意的解释
-
纠正的解释
-
信任和可靠
-
自解释
-
主动探索作为连续过程
-
解释作为协作和共同适应过程
-
测量和评价
-
可解释性AI系统的评价：人类参与的性能评价
【教程下载】
请关注专知公众号（点击上方蓝色专知关注）
-
后台回复“EHAI” 就可以获取《Explanation in Human-AI Systems: A Literature Meta-Review Synopsis of Key Ideas and Publications and Bibliography for Explainable AI》的下载链接~
部分PDF内容：
参考链接：
-
https://arxiv.org/pdf/1806.00069.pdf
-END-
专 · 知
专知《深度学习:算法到实战》课程全部完成！470+位同学在学习，现在报名，限时优惠！网易云课堂人工智能畅销榜首位！
请加专知小助手微信（扫一扫如下二维码添加），咨询《深度学习:算法到实战》参团限时优惠报名~
欢迎微信扫一扫加入专知人工智能知识星球群，获取专业知识教程视频资料和与专家交流咨询！
请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！
点击“阅读原文”，了解报名专知《深度学习:算法到实战》课程
