| Περίληψη |
Η εξέχουσα θέση της Τεχνητής Νοημοσύνης (ΤΝ) σε διάφορους τομείς της κα-
θημερινής ζωής αυξάνεται σταθερά λόγω της ικανότητάς της να επιλύει προβλήματα
με υψηλή αποτελεσματικότητα, ακρίβεια και ταχύτητα, απαιτώντας συχνά ελάχιστη
ανθρώπινη συμβολή. Παρόλο που τα πλεονεκτήματα της ΤΝ εκδηλώνονται ήδη, η εν-
σωμάτωση των συστημάτων που λειτουργούν με ΤΝ σε εφαρμογές του πραγματικού
κόσμου παραμένει πρόκληση, κυρίως λόγω των ανησυχιών σχετικά με την εγγενή
ευαισθησία των δεδομένων των χρηστών και τους πιθανούς κινδύνους που συνδέονται
με τις αποφάσεις που παράγονται από την ΤΝ. Ως εκ τούτου, είναι επιτακτική ανάγκη οι
διαδικασίες λήψης αποφάσεων αυτών των συστημάτων να είναι εύκολα ερμηνεύσιμες.
Η Επεξηγήσιμη Τεχνητή Νοημοσύνη (ΕΤΝ) - Explainable Artificial Intelligence
(XAI) αρχικά θεωρήθηκε ως ένα σύνολο εργαλείων που χρησιμοποιείται από τους
προγραμματιστές για την αξιολόγηση της ακρίβειας των συστημάτων τους, ωστόσο
έχει πλέον εξελιχθεί σε βασικό συστατικό της αρχιτεκτονικής των συστημάτων τεχνη-
τής νοημοσύνης. Η ΕΤΝ δεν απευθύνεται μόνο σε επιστήμονες, αλλά ενσωματώνεται
πλέον σε συστήματα με τα οποία αλληλεπιδρούν άμεσα οι τελικοί χρήστες. ΄Ετσι,
η αυξανόμενη ζήτηση για υπεύθυνα και αξιόπιστα συστήματα έχει μετατοπίσει την
εστίαση της ΕΤΝ προς μια πιο ανθρωποκεντρική προσέγγιση. Κατά συνέπεια, προ-
έκυψε η ανθρωποκεντρική ΕΤΝ (Human-Centered XAI - HCXAI), η οποία στοχεύει
στην παροχή εξηγήσεων προσαρμοσμένων στις ανάγκες των χρηστών, αντιμετωπίζο-
ντας την εξήγηση ως μορφή αλληλεπίδρασης. Αξιοποιώντας αρχές από το πεδίο της
Αλληλεπίδρασης Ανθρώπου-Υπολογιστή (Human-Computer Interaction - HCI), η
ανθρωποκεντρική ΕΤΝ επιδιώκει να γεφυρώσει το χάσμα μεταξύ της εγγενούς πολυ-
πλοκότητας των συστημάτων ΤΝ και της ανάγκης για ανθρώπινη κατανόηση.
΄Ενας από τους βασικούς πυλώνες της Εμπειρίας Χρήστη (User Experience – UX)
είναι η χρήση διαισθητικών τεχνικών απεικόνισης, οι οποίες διαδραματίζουν καθοριστι-
κό ρόλο στη μετάφραση πολύπλοκων αποτελεσμάτων ΤΝ σε ιδέες που αξιοποιούν τις
ανθρώπινες γνωστικές δυνάμεις, συμβάλλουν στην οικοδόμηση εμπιστοσύνης και ενι-
σχύουν την κατανόηση. Με την πάροδο των ετών, έχουν προταθεί και χρησιμοποιηθεί
εκτενώς στη βιβλιογραφία διάφορες μέθοδοι οπτικοποίησης, όπως: i) οπτικοποιήσεις
με βάση τα χαρακτηριστικά των δεδομένων, οι οποίες αναδεικνύουν και ποσοτικο-
ποιούν τη συμβολή των επιμέρους χαρακτηριστικών στην πρόβλεψη ενός μοντέλου,
προσφέροντας έναν ταξινομημένο κατάλογο των παραγόντων με τη μεγαλύτερη επιρ-
ροή, ii) οπτικοποιήσεις με βάση τους κανόνες που διέπουν τα μοντέλα ΤΝ, οι οποίες
παρουσιάζουν τα λογικά βήματα πίσω από μια απόφαση, απεικονίζοντας τον τρόπο με
τον οποίο συγκεκριμένες συνθήκες οδηγούν σε ένα συγκεκριμένο αποτέλεσμα, και iii)
οπτικοποιήσεις με βάση παραδείγματα, οι οποίες εξηγούν τις αποφάσεις συγκρίνοντας
παρόμοιες ή αντίθετες περιπτώσεις, επιτρέποντας στους χρήστες να διερευνήσουν τις
οριακές συνθήκες. Σε σενάρια που περιλαμβάνουν οπτικά δεδομένα, όπως εικόνες
ή βίντεο, οι οπτικοποιήσεις συχνά αναδεικνύουν τις περιοχές που επηρεάζουν περισ-
σότερο την απόφαση του μοντέλου. Επιπλέον, οι οπτικοποιήσεις φυσικής γλώσσας
μεταφράζουν τα αποτελέσματα του μοντέλου σε κείμενο αναγνώσιμο από τον άνθρω-
πο, παρέχοντας εξηγήσεις που μοιάζουν με την καθημερινή επικοινωνία. Ενώ αυτές
οι προσεγγίσεις βελτιώνουν τη διαφάνεια και την εμπιστοσύνη, μερικές φορές μπορεί
να επιβαρύνουν το γνωστικό φόρτο του χρήστη ή να μην είναι επαρκώς διαισθητικές,
ιδίως για τους μη ειδήμονες χρήστες.
Στόχος της παρούσας διατριβής είναι να αντιμετωπίσει την επιτακτική ανάγκη βελ-
τίωσης της χρηστικότητας των υφιστάμενων προσεγγίσεων οπτικοποίησης, προτείνο-
ντας εναλλακτικές λύσεις φιλικές προς τον χρήστη. Η πρωταρχική εστίαση έγκειται
στην ενσωμάτωση αρχών HCI για να διασφαλιστεί ότι οι επεξηγήσεις είναι κατανοη-
τές σε χρήστες με διαφορετικά επίπεδα εμπειρογνωμοσύνης. Με την ενσωμάτωση
αυτών των αρχών, οι προτεινόμενες προσεγγίσεις οπτικοποίησης στοχεύουν στη με-
ίωση του γνωστικού φόρτου και στη βελτίωση της κατανόησης, καθιστώντας έτσι τα
συστήματα ΤΝ πιο αξιόπιστα για ένα ευρύτερο κοινό. Η προσέγγιση αυτή προορίζε-
ται να συμβάλει στην ευρύτερη προσπάθεια να γίνουν τα συστήματα ΤΝ όχι μόνο πιο
ερμηνεύσιμα αλλά και πιο φιλικά προς τον χρήστη.
|
Exploring visualisation approaches to accommodate human-centered XAI
