COCOA: طريقة تفسير مضادة تعتمد على تكاليف مُحسّنة

لقد أظهرت استخدامات الذكاء الاصطناعي لدعم اتخاذ القرار والأتمتة إمكانات هائلة في العديد من المجالات. إن القدرة على تفسير القرارات التي اتخذها خوارزمية التعلم الآلي أساسية لتسهيل الاستخدام الواسع النطاق لهذا النوع من الأدوات. هناك العديد من المشكلات المهمة في العالم الحقيقي حيث تعتمد تكلفة القرارات على خصائص كل مثال: وتسمى هذه المشكلات بمشكلات التكلفة المعتمدة على المثال (EDC). بالنسبة لهذا النوع من مشكلات التصنيف، فإن صياغة مناسبة تأخذ في الاعتبار تكاليف القرار تعتبر أساسية لكل من تصميم المصنف وشرح قراراته. في هذه الورقة، نقترح COCOA، وهي طريقة تفسير مصممة لمشكلات EDC بناءً على تمييز بايزي. يمكن للطريقة المقترحة تقديم عينات مضادة تم إنشاؤها من خلال مراعاة تكاليف القرار. توفر طريقة COCOA مضادات صحيحة ومحتملة مع معدل نجاح مرتفع، والتي يمكن أن تكون قابلة للتنفيذ ومتنوعة ونادرة، مما تحقق تحسنًا ملحوظًا من حيث التكلفة مقارنة بخمسة طرق حديثة متطورة على ستة مجموعات بيانات من العالم الحقيقي.