Search

Your search keyword '"Système de décision automatique"' showing total 3 results
Start Over Descriptor "Système de décision automatique"
3 results on '"Système de décision automatique"'

1. A Multi-layered Approach for Interactive Black-box Explanations

Author

Henin, Clement, Le Métayer, Daniel, École des Ponts ParisTech (ENPC), Privacy Models, Architectures and Tools for the Information Society (PRIVATICS), CITI Centre of Innovation in Telecommunications and Integration of services (CITI), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National de Recherche en Informatique et en Automatique (Inria)-Inria Grenoble - Rhône-Alpes, Institut National de Recherche en Informatique et en Automatique (Inria), Inria - Research Centre Grenoble – Rhône-Alpes, Ecole des Ponts ParisTech, Inria Grenoble - Rhône-Alpes, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-CITI Centre of Innovation in Telecommunications and Integration of services (CITI), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Inria Lyon

Subjects
Transparence, Artificial intelligence, Black-box model, explications interactives, Algorithmic decision system, Explainability, Transparency, Système de décision automatique, Intelligence artificiell, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Apprentissage machine, Interactive explanation, Machine-learning, Explicabilité, Modèle boîte noire
Abstract

In order to provide interactive explanations, a system must be generic enough to be able to address a wide range of questions from explainees with different levels of expertise. In this paper, we present a multi-layered approach allowing explainees to express their needs at different levels of abstraction. We describe a proof-of-concept system called IBEX (for “Interactive Black-box Explanations”) implementing this approach and show its application to a variety of case studies.; Pour fournir des explications interactives, le système explicatif doit être suffisemment générique pour répondre à une grande variété de questions des destinataires des explications ayant différents niveaux d’expertise. Dans cet article, nous présentons une approche multi-couche permettant aux destinataires des explications d’exprimer leurs besoins à différents niveaux d’abstraction. Nous décrivons aussi une preuve de concept, appelée IBEX (“Interactive Black-box EXplanations”), qui repose sur cette approche, et nous montrons quelques cas d’usage.

Published
2020

2. Vers un cadre générique pour l’explication en mode boı̂te noire des systèmes de décision algorithmique (version étendue)

Author

Henin, Clement, Le Métayer, Daniel, École des Ponts ParisTech (ENPC), Privacy Models, Architectures and Tools for the Information Society (PRIVATICS), CITI Centre of Innovation in Telecommunications and Integration of services (CITI), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National de Recherche en Informatique et en Automatique (Inria)-Inria Grenoble - Rhône-Alpes, Institut National de Recherche en Informatique et en Automatique (Inria), Inria Grenoble Rhône-Alpes, Ecole des Ponts ParisTech, Inria Grenoble - Rhône-Alpes, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-CITI Centre of Innovation in Telecommunications and Integration of services (CITI), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Inria Lyon

Subjects
transparence des algorithmes, explanability, machine-learning, explications, artificial intelligence, Système de décision automatique, apprentissage, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], intelligence artificielle, Automatic decision system, algorithm transparency, [INFO]Computer Science [cs], black-box model, explicabilité, modèle boîte-noire
Abstract

The main goal of this research report is to define a generic framework for black-box explanation methods in order to make it easier to compare and classify different approaches. We focus on two components of this framework, called respectively “Sampling” and “Generation”, which are characterized formally and used to build a taxonomy of explanation methods. We also describe precisely how each method can be expressed in the framework.; Dans ce rapport de recherche, nous proposons un cadre générique pour décrire les méthodes d’explication fonctionnant en mode “boîte noire”, l’objectif étant de faciliter la comparaison et la classification de ces méthodes. Nous définissons formellement deux composantes principales, appelées respectivement l’“Echantillonnage” et la “Génération”, qui sont ensuite utilisées pour construire une taxonomie des méthodes d’explication. Nous décrivons aussi précisément la manière dont les méthodes de la littérature s’expriment dans ce cadre.

Published
2019

3. Towards a Generic Framework for Black-box Explanation Methods (Extended Version)

Author

Henin, Clement, Le Métayer, Daniel, École des Ponts ParisTech (ENPC), Privacy Models, Architectures and Tools for the Information Society (PRIVATICS), CITI Centre of Innovation in Telecommunications and Integration of services (CITI), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National de Recherche en Informatique et en Automatique (Inria)-Inria Grenoble - Rhône-Alpes, Institut National de Recherche en Informatique et en Automatique (Inria), Inria Grenoble Rhône-Alpes, and Ecole des Ponts ParisTech

Subjects
transparence des algorithmes, explanability, machine-learning, explications, artificial intelligence, Système de décision automatique, apprentissage, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], intelligence artificielle, Automatic decision system, algorithm transparency, [INFO]Computer Science [cs], black-box model, explicabilité, modèle boîte-noire
Abstract

The main goal of this research report is to define a generic framework for black-box explanation methods in order to make it easier to compare and classify different approaches. We focus on two components of this framework, called respectively “Sampling” and “Generation”, which are characterized formally and used to build a taxonomy of explanation methods. We also describe precisely how each method can be expressed in the framework.; Dans ce rapport de recherche, nous proposons un cadre générique pour décrire les méthodes d’explication fonctionnant en mode “boîte noire”, l’objectif étant de faciliter la comparaison et la classification de ces méthodes. Nous définissons formellement deux composantes principales, appelées respectivement l’“Echantillonnage” et la “Génération”, qui sont ensuite utilisées pour construire une taxonomie des méthodes d’explication. Nous décrivons aussi précisément la manière dont les méthodes de la littérature s’expriment dans ce cadre.

Published
2019

Catalog

Books, media, physical & digital resources
See catalog results