超越传统的黑盒 AI

在能源、医疗保健和金融等高风险、高价值的行业中，在没有对机器的推理进行解释性理解的情况下，不能相信机器的决策，因为这样的风险实在太高。机器学习是诸多 AI 系统的组成元件，因此，我们必须精确了解机器学习到的内容。机器学习是一种很好的方法，能够处理大量资料，并告诉我们资料中“有什么”。但是 AI 系统要成为人类决策者的可靠顾问，它仍需要具备解释“缘由”的能力。

可解释的 AI
值得信赖的人工智能

AI 的应用部署普及得十分迅速，在动辄价值数百万，甚至关系到人类健康和安全的问题上，也有机器进行决策。在能源、医疗保健和金融等高风险、高价值的受监管产业中，要相信的机器学习产生的决策，而又没有对决策推理过程的理解，这样的风险是在太高。企业对可解释 AI (XAI) 的需求与日俱增。

问题

对许多人而言，机器学习、深度学习或神经网络等传统 AI 技术就是 AI 的定义。但是这些传统 AI 方法的阿克琉斯之踵就是，它们都是“黑盒”的，也就是说，无法解释它们为何会得出某个答案。

解决方案

相反，Beyond Limits 的认知 AI 解决方案始终都是“可解释的”。我们的认知引擎能提供明确的审计跟踪，解释其建议背后的类人推理，展示证据、风险、确定性和模糊性。这些审计跟踪可以被人类理解，也可以被机器解读。可解释性是建立信任人工智能的关键。

运作方式

可解释 AI 无法经由事后添加或插件形式添加至现有系统上，它必须是原始设计的一部分。Beyond Limits 系统涵盖了完整的可解释性，提供高级别提醒，以及可深入探讨的推理轨迹（详尽证据、概率和风险）。可解释 AI 解开了技术的神秘面纱，也迈出了人工智能与人类以信任互惠关系开展协作的第一步。

更多