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.

Explainable Artificial Intelligence techniques for interpretation of food datasets: a review

Created by
  • Haebom

저자

Leonardo Arrighi, Ingrid Alves de Moraes, Marco Zullich, Michele Simonato, Douglas Fernandes Barbin, Sylvio Barbon Junior

개요

본 논문은 식품 공학 분야에서 인공지능(AI)의 활용 증가와 함께 신뢰성 문제 해결을 위해 설명 가능한 AI(XAI)의 중요성을 강조한다. AI 모델의 불투명성으로 인해 식품 품질 관리 등에서 AI 도입이 저조한 현황을 지적하며, SHAP, Grad-CAM과 같은 XAI 기법을 통해 식품 품질 예측 모델의 투명성을 높이고 신뢰도를 향상시킬 수 있음을 제시한다. 나아가, 데이터 유형과 설명 방법에 따른 XAI 기법 분류 체계를 제시하고, 식품 공학 분야에서 XAI 도입을 위한 동향, 과제, 기회를 조명한다.

시사점, 한계점

•
시사점:
◦
식품 공학 분야에서 XAI의 중요성과 활용 가능성을 제시한다.
◦
XAI 기법(SHAP, Grad-CAM 등)의 식품 품질 관리 적용 가능성을 보여준다.
◦
XAI 기법 분류 체계를 제공하여 연구자들의 방법론 선택을 지원한다.
◦
식품 공학 분야에서 XAI 도입을 위한 미래 방향을 제시한다.
•
한계점:
◦
제시된 XAI 기법 분류 체계의 포괄성 및 실제 적용 가능성에 대한 검증이 부족할 수 있다.
◦
XAI 기법의 구체적인 적용 사례 및 실험 결과가 부족할 수 있다.
◦
식품 공학 분야 전반의 XAI 도입을 위한 현실적인 어려움(데이터 확보, 전문가 부족 등)에 대한 논의가 부족할 수 있다.
👍
Made with Slashpage