TL;DR
- این صفحه دیگر به روز نمیشود و ممکن است اطلاعات قدیمیباشد.
- یک تیم چند رشتهای متشکل از دانشمندان کامپیوتر،.
- دانشمندان شناختی،.
چه اتفاقی افتاد
این صفحه دیگر به روز نمیشود و ممکن است اطلاعات قدیمیباشد. یک تیم چند رشتهای متشکل از دانشمندان کامپیوتر،.
دانشمندان شناختی،. ریاضیدانان و متخصصان هوش مصنوعی و یادگیری ماشینی با پیشینهها و تخصصهای تحقیقاتی متنوع،.
اصول اصلی هوش مصنوعی قابل توضیح (XAI) را بررسی و تعریف میکنند. هدف این تیم توسعه روشهای اندازهگیری و بهترین شیوههایی است که از اجرای آن اصول حمایت میکند.
در نهایت،. NIST قصد دارد یک راهنمای مترولوژی برای سیستمهای هوش مصنوعی ایجاد کند که به پیچیدگی اصطلاحات و طبقهبندی.
مربوط به لایههای بیشمار حوزه هوش مصنوعی میپردازد. هوش مصنوعی باید برای جامعه قابل توضیح باشد تا امکان درک،.
اعتماد و پذیرش فناوریهای جدید هوش مصنوعی،. تصمیمهای تولید شده یا راهنماییهای ارائهشده توسط سیستمهای هوش مصنوعی را فراهم کند.
بهعنوان بخشی از NIST تلاشها برای ارائه ابزارهای اساسی،. راهنماییها و بهترین شیوهها برای تحقیقات مرتبط با هوش مصنوعی،.
NIST پیشنویس گزارشی به نام چهار اصل هوش مصنوعی قابل توضیح را برای اظهار نظر عمومیمنتشر کرد. این کارگاه با الهام از نظرات دریافت شده، بیشتر به توسعه درکی از هوش مصنوعی قابل توضیح پرداخت.
خلاصهای از کارگاه موجود است. نسخه نهایی گزارش در سپتامبر 2021 منتشر شد.
به زیر مراجعه کنید. انتشارات مرتبط چهار اصل هوش مصنوعی قابل توضیح (NISTIR 8312) (سپتامبر 2021) مبانی روانشناختی توضیح پذیری و تفسیرپذیری.
در هوش مصنوعی (NISTIR 836720A) اعلانهای بیشتر NIST و فعالیتهای مرتبط با بررسی این صفحه یا اشتراک در. بهروزرسانیهای هوش مصنوعی.
لطفاً سؤالات را به ai-inquiries [در] nist. gov ارسال کنید.
(ai-inquiries[at]nist[dot]gov).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.