研究人员开发了一个新的框架，用于指定和验证人工智能系统中的可解释性要求。该方法使用认识论时序逻辑，并扩展了反事实因果量化，将可解释性和隐私建模为信息流。该方法允许正式指定代理需要多少信息来理解系统输出背后的原因，并包括检查有限状态模型是否符合这些规范的算法。已在基准测试上评估了原型实现，证明了其区分可解释和不可解释系统的能力，同时也能适应隐私限制。 AI
影响 提供了一种指定和验证人工智能可解释性的形式化方法，有望提高人工智能系统的信任度和合规性。
排序理由 学术论文，详细介绍了一种新的人工智能可解释性和隐私形式化方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
