可解释人工智能最新进展及相关论文丨IJCAI 2020教程

教程介绍

深度神经网络在计算机视觉、计算语言学和人工智能等领域的广泛应用无疑带来了巨大的成功。然而，DNNs成功的基本原理、DNNs的可信性和DNNs对抗攻击的恢复能力仍然很大程度上缺乏。在可解释人工智能的范围内，对网络预测解释可信度的量化和DNN特征可信度的分析成为一个引人注目但又有争议的话题。相关问题包括：网络特征可信度的量化；DNNs解释的客观性、鲁棒性、语义严谨性；可解释神经网络解释性的语义严谨性等。重新思考现有可解释机器学习方法的可信性和公平性，对可解释机器学习的进一步发展具有重要的价值。

本教程旨在将关注人工智能可解释性、安全性和可靠性的研究人员、工程师以及行业从业人员聚集在一起。本教程介绍了一些关于上述问题的新发现，这些发现来自演讲者最近的论文和一些经典研究。对当前可解释人工智能算法的优点和局限性的批判性讨论提供了新的前瞻性研究方向。本教程预计将对医疗诊断、金融和自动驾驶等关键工业应用产生深远影响。

相关论文

1.论文标题：Evaluating and Aggregating Feature-based Model Explanations

论文链接：https://www.aminer.cn/pub/5eb78919da5629cf244303c0/?conf=ijcai2020

2.论文标题：Plan-Space Explanation via Plan-Property Dependencies: Faster Algorithms & More Powerful Properties

论文链接：https://www.aminer.cn/pub/5ef96b048806af6ef277220d/?conf=ijcai2020

3.论文标题：Human-Driven FOL Explanations of Deep Learning

论文链接：https://www.aminer.cn/pub/5ef96b048806af6ef2772124/?conf=ijcai2020

4.论文标题：DACE: Distribution-Aware Counterfactual Explanation by Mixed-Integer Linear Optimization

论文链接：https://www.aminer.cn/pub/5ef96b048806af6ef2772103/?conf=ijcai2020

5.论文标题：Relation-Based Counterfactual Explanations for Bayesian Network Classifiers

论文链接：https://www.aminer.cn/pub/5ef96b048806af6ef277200e/?conf=ijcai2020

6.论文标题：Synthesizing Aspect-Driven Recommendation Explanations from Reviews

论文链接：https://www.aminer.cn/pub/5ef96b048806af6ef2772182/?conf=ijcai2020

7.论文标题：Complete Bottom-Up Predicate Invention in Meta-Interpretive Learning

论文链接：https://www.aminer.cn/pub/5ef96b048806af6ef27720fc/?conf=ijcai2020

8.论文标题：Generating Interpretable Poverty Maps using Object Detection in Satellite Images

论文链接：https://www.aminer.cn/pub/5e3be3c33a55ac29c4ae7d26/?conf=ijcai2020

9.论文标题：Learning Interpretable Representations with Informative Entanglements

论文链接：https://www.aminer.cn/pub/5ef96b048806af6ef277213e/?conf=ijcai2020

10.论文标题：Interpretable Multimodal Learning for Intelligent Regulation in Online Payment Systems

论文链接：https://www.aminer.cn/pub/5ee3526a91e011cb3bff732d/?conf=ijcai2020

11.论文标题：Interpretable Models for Understanding Immersive Simulations

论文链接：https://www.aminer.cn/pub/5ef96b048806af6ef277212e/?conf=ijcai2020

12.论文标题：Recurrent Dirichlet Belief Networks for Interpretable Dynamic Relational Data Modelling

论文链接：https://www.aminer.cn/pub/5e54f1813a55acae32a25f55/?conf=ijcai2020

13.论文标题：Logic Constrained Pointer Networks for Interpretable Textual Similarity

论文链接：https://www.aminer.cn/pub/5ef96b048806af6ef2772145/?conf=ijcai2020