Key points are not available for this paper at this time.
في مجموعة واسعة من الصناعات والمجالات الأكاديمية، أصبح الذكاء الاصطناعي شائعًا بشكل متزايد. تأخذ نماذج الذكاء الاصطناعي على عاتقها مهام صنع القرار الأكثر أهمية مع زيادة شعبيتها وأدائها. على الرغم من أن نماذج الذكاء الاصطناعي، وخاصة نماذج التعلم الآلي، تحقق نجاحًا في البحث، إلا أن لديها العديد من القيود والعيوب في الممارسة. علاوة على ذلك، بسبب نقص الشفافية وراء سلوكها، يحتاج المستخدمون إلى فهم أكبر لكيفية اتخاذ هذه النماذج لقرارات معينة، خاصةً في خوارزميات التعلم الآلي المعقدة الحديثة. تستخدم أنظمة التعلم الآلي المعقدة خوارزميات أقل شفافية، مما يزيد من تفاقم المشكلة. يحلل هذا الاستطلاع أهمية وتطور أبحاث الذكاء الاصطناعي القابل للتفسير (XAI) عبر مجالات وتطبيقات مختلفة. على مدار هذه الدراسة، تم تطوير مجموعة غنية من تصنيفات التفسير والملخصات، جنبًا إلى جنب مع تطبيقاتها وحالات الاستخدام العملية. نعتقد أن هذه الدراسة ستسهل على الباحثين فهم جميع طرق التفسير والوصول إلى تطبيقاتها في الوقت نفسه.
درس نجاهيسارجوهاي وزملاؤه (الأربعاء) هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: