Core Concepts
점진적 XAI는 사용자가 AI 모델의 복잡한 설명을 점진적으로 이해할 수 있도록 돕는다. 이를 통해 사용자는 AI 모델의 행동을 더 잘 기억하고 적용할 수 있다.
Abstract
이 논문은 AI 모델의 설명을 점진적으로 제공하는 Incremental XAI 프레임워크를 제안한다. 기존의 XAI 기법들은 단순한 설명이나 복잡한 설명을 제공하지만, 사용자가 이해하고 기억하기 어려운 문제가 있었다. Incremental XAI는 이를 해결하기 위해 다음과 같은 접근을 취한다:
데이터셋을 일반적인 (typical) 사례와 특이한 (outlier) 사례로 나눈다.
일반적인 사례에 대해서는 기본 (Base) 요인을 제공하고, 특이한 사례에 대해서는 기본 요인에 추가적인 (Incremental) 요인을 제공한다.
추가적인 요인의 수를 최소화하기 위해 희소성 정규화를 적용한다.
이를 통해 사용자는 일반적인 사례에 대한 기본 설명을 먼저 이해하고, 특이한 사례에 대한 추가적인 설명을 점진적으로 학습할 수 있다. 이는 사용자의 기억력과 이해도를 높일 수 있다.
저자들은 모델링 실험, 사용자 연구 등을 통해 Incremental XAI의 설명 충실도, 사용성, 이해도, 기억력 등을 기존 XAI 기법들과 비교 평가하였다. 그 결과, Incremental XAI가 사용자의 AI 모델 이해를 돕는 데 효과적임을 보였다.
Stats
일반적인 사례의 경우 각 욕실당 $17k의 가격 상승 요인이 있다.
특이한 사례의 경우 각 욕실당 $17k + $51k의 가격 상승 요인이 있다.
Quotes
"AI 시스템은 좀 더 동적인 성격을 가지고 있거나, 데이터가 많이 투입되면 방정식이 그에 맞게 조정될 것 같다."
"더 큰 집의 경우 토지 가격이 더 높을 것이다."