Grafy wiedzy dla eXplainable Artificial Intelligence: Podstawy, zastosowania i wyzwania

Oryginalny tytuł:

Knowledge Graphs for eXplainable Artificial Intelligence: Foundations, Applications and Challenges

Zawartość książki:

Najnowsze osiągnięcia w dziedzinie sztucznej inteligencji, a w szczególności (głębokiego) uczenia maszynowego, ujawniły główną wadę współczesnych inteligentnych systemów, a mianowicie niezdolność do wyjaśnienia swoich decyzji w sposób zrozumiały dla człowieka. Podczas gdy eXplainable AI szybko stała się aktywnym obszarem badań w odpowiedzi na potrzebę poprawy zrozumiałości i wiarygodności, dziedzina reprezentacji wiedzy i rozumowania (KRR) ma z drugiej strony długą tradycję w zarządzaniu informacjami w symbolicznej, zrozumiałej dla człowieka formie.

Niniejsza książka stanowi pierwszy kompleksowy zbiór prac badawczych na temat roli grafów wiedzy dla eXplainable AI (KG4XAI), a zawarte w niej artykuły przedstawiają badania akademickie i przemysłowe koncentrujące się na teorii, metodach i implementacjach systemów sztucznej inteligencji, które wykorzystują ustrukturyzowaną wiedzę do generowania wiarygodnych wyjaśnień. Dla czytelników z minimalnym doświadczeniem w tej dziedzinie przygotowano materiał wprowadzający na temat grafów wiedzy, a także szczegółowe rozdziały poświęcone zaawansowanym metodom, aplikacjom i studiom przypadków, które wykorzystują grafy wiedzy jako część opartych na wiedzy, wyjaśnialnych systemów (KBX-systems). Ostatnie rozdziały analizują bieżące wyzwania i przyszłe kierunki badań w obszarze grafów wiedzy dla eXplainable AI.

Książka nie tylko zapewnia naukowy, najnowocześniejszy przegląd badań w tym obszarze tematycznym, ale także wspiera hybrydowe połączenie symbolicznych i subsymbolicznych metod sztucznej inteligencji i będzie interesująca dla wszystkich osób pracujących w tej dziedzinie.