捍卫事后可解释性

于红博

摘要: 这篇立场文件为后续解释性方法作为机器学习科学知识生产的合法工具进行辩护。针对这些方法可靠性和认识状态的批评，我们发展了一个基于中介理解和有限事实性的哲学框架。我们认为，科学洞见可以通过对模型行为的结构化解释而出现，而无需完全机械透明性，前提是解释承认其近似性质并经受严格的经验验证。通过分析最近的生物医学机器学习应用，我们展示了后续方法如何在正确融入科学实践时生成新的假设并推进现象学理解。

更新时间: 2025-10-30 12:06:31

领域: cs.LG,cs.AI

下载: http://arxiv.org/abs/2412.17883v2