Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2406.01352

帮助 | 高级搜索

计算机科学 > 人工智能

arXiv:2406.01352 (cs)
[提交于 2024年6月3日 (v1) ,最后修订 2024年7月31日 (此版本, v2)]

标题: 位置:一种受认知神经科学启示的AI内部可解释性框架

标题: Position: An Inner Interpretability Framework for AI Inspired by Lessons from Cognitive Neuroscience

Authors:Martina G. Vilas, Federico Adolfi, David Poeppel, Gemma Roig
摘要: 内部可解释性是一个有前景的新兴领域,其任务是揭示人工智能系统的内部机制,尽管如何开发这些机制理论仍存在很大争议。 此外,最近的批评提出了质疑其对推动人工智能更广泛目标有用性的议题。 然而,人们忽略了这些议题与另一个领域中所面临的议题相似:认知神经科学。 在这里,我们探讨了相关的联系,并强调了可以在这两个领域之间有效转移的经验教训。 基于这些,我们提出了一种通用的概念框架,并给出了在人工智能内部可解释性研究中构建机制解释的具体方法策略。 通过这个概念框架,内部可解释性可以应对批评,并在其解释人工智能系统的发展道路上处于有成效的位置。
摘要: Inner Interpretability is a promising emerging field tasked with uncovering the inner mechanisms of AI systems, though how to develop these mechanistic theories is still much debated. Moreover, recent critiques raise issues that question its usefulness to advance the broader goals of AI. However, it has been overlooked that these issues resemble those that have been grappled with in another field: Cognitive Neuroscience. Here we draw the relevant connections and highlight lessons that can be transferred productively between fields. Based on these, we propose a general conceptual framework and give concrete methodological strategies for building mechanistic explanations in AI inner interpretability research. With this conceptual framework, Inner Interpretability can fend off critiques and position itself on a productive path to explain AI systems.
评论: 被ICML 2024接收
主题: 人工智能 (cs.AI) ; 机器学习 (cs.LG); 神经与认知 (q-bio.NC)
引用方式: arXiv:2406.01352 [cs.AI]
  (或者 arXiv:2406.01352v2 [cs.AI] 对于此版本)
  https://doi.org/10.48550/arXiv.2406.01352
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Martina G. Vilas [查看电子邮件]
[v1] 星期一, 2024 年 6 月 3 日 14:16:56 UTC (1,273 KB)
[v2] 星期三, 2024 年 7 月 31 日 13:18:13 UTC (1,273 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
许可图标 查看许可
当前浏览上下文:
cs.AI
< 上一篇   |   下一篇 >
新的 | 最近的 | 2024-06
切换浏览方式为:
cs
cs.LG
q-bio
q-bio.NC

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号