Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Uncertainty Propagation in XAI: A Comparison of Analytical and Empirical Estimators

Created by
  • Haebom

저자

Teodor Chiaburu, Felix Bie{\ss}mann, Frank Hau{\ss}er

개요

본 논문은 설명 가능한 AI(XAI)에서 불확실성을 정량화하고 해석하기 위한 통합 프레임워크를 제시합니다. 입력 데이터와 모델 파라미터의 변동으로부터 불확실성 전파를 포착하는 일반적인 설명 함수 $e_{\theta}(x, f)$를 정의하여, 분석적 및 경험적 설명 분산 추정치를 사용하여 불확실성이 설명에 미치는 영향을 체계적으로 평가합니다. 1차 불확실성 전파를 분석적 추정기로 사용하여 접근 방식을 설명하고, 다양한 데이터 세트에 대한 종합적인 평가를 통해 분석적 및 경험적 불확실성 전파 추정치를 비교하고 강건성을 평가합니다. 설명의 불일치에 대한 이전 연구를 확장하여, 불확실성을 안정적으로 포착하고 전파하지 않는 XAI 방법을 실험적으로 확인합니다. 고위험 응용 프로그램에서 불확실성 인식 설명의 중요성을 강조하고 현재 XAI 방법의 한계에 대한 새로운 통찰력을 제공합니다. 실험 코드는 https://github.com/TeodorChiaburu/UXAI 에서 확인할 수 있습니다.

시사점, 한계점

시사점:
XAI에서 불확실성을 정량화하고 해석하기 위한 통합 프레임워크 제공
분석적 및 경험적 방법을 통한 불확실성 전파 평가 및 비교
불확실성을 제대로 반영하지 못하는 XAI 방법 식별
고위험 응용 프로그램에서 불확실성 인식 설명의 중요성 강조
한계점:
제시된 프레임워크의 일반성 및 적용 범위에 대한 추가 연구 필요
1차 불확실성 전파만 고려하여 고차 불확실성 효과는 반영하지 못할 수 있음
사용된 데이터셋의 다양성 및 대표성에 대한 검토 필요
특정 XAI 방법에 대한 편향 가능성 존재
👍