شناسایی الزامات طراحی و قابلیت تبیین سیستم های هوش مصنوعی

Publish Year: 1403
نوع سند: مقاله ژورنالی
زبان: Persian
View: 50

This Paper With 24 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_STRA-15-59_003

تاریخ نمایه سازی: 17 مهر 1403

Abstract:

با گسترش کاربرد الگوریتم های هوش مصنوعی در سازمان ها و بخش های دولتی، دغدغه هایی در مورد مسئولیت اجتماعی کاربست عامل های هوشمند همانند شفافیت، پاسخگویی و انصاف در محافل دولتی و دانشگاهی مطرح شده است. بر همین اساس، هدف پژوهش، تبیین مدل ساختاری- تفسیری الزامات طراحی سیستم های هوش مصنوعی با قابلیت تبیین در تصمیم گیری های مبتنی بر مشارکت انسان و هوش مصنوعی است. برای رسیدن به این هدف، از روش آمیخته اکتشافی طراحی مبتنی بر اقدام- دلفی فازی و مدل سازی ساختاری- تفسیری برای توسعه و ارزیابی اصول طراحی سیستم هوش مصنوعی با قابلیت تبیین استفاده می شود. زمینه پژوهش، اداره کل تنقیح قوانین و مقررات در معاونت حقوقی قوه قضائیه است. مشارکت کنندگان پژوهش، دست اندرکارانی از اداره کل تنقیح قوانین و مقررات و مرکز فناوری اطلاعات بوده که به همراه پژوهشگران تیم پژوهش را تشکیل می دهند و در مجموع ۱۵ نفر هستند. بر اساس یافته های پژوهش، مدل، پنج ویژگی قابلیت درک، قابلیت حکمرانی، قابلیت اقناع، دقت پیش بینی (توصیفی)، شفافیت و سودمندی را در بر می گیرد. این قابلیت ها در دو بعد طبقه بندی شدند. بعد توانش شامل قابلیت درک، قابلیت حکمرانی و قابلیت اقناع  است. بعد محقق سازی نیز شامل ویژگی های دقت پیش بینی، شفافیت و سودمندی است. افزون بر این، مدل می تواند سازوکار تقویت هوشمندی در تعامل انسان-هوش مصنوعی را تبیین کند.

Authors

زهرا همت

دانشجوی دکتری، دانشکده علوم اداری و اقتصادی، دانشگاه فردوسی مشهد، مشهد، ایران

محمد مهرآیین

استاد، دانشکده علوم اداری و اقتصادی، دانشگاه فردوسی مشهد، مشهد، ایران

رحمت الله فتاحی

استاد، دانشکده علوم تربیتی و روانشناسی، دانشگاه فردوسی مشهد، مشهد، ایران

فرهاد شیرانی

استادیار، پژوهشکده فناوری اطلاعات، پژوهشگاه علوم و فناوری اطلاعات ایران، تهران، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Adadi, A., & Berrada, M. (۲۰۱۸). Peeking inside the black-box: ...
  • Alon-Barkat, S., & Busuioc, M. (۲۰۲۳). Human–AI interactions in public ...
  • Araujo, T., Helberger, N., Kruikemeier, S., & de Vreese, C. ...
  • Burton-Jones, A., & Volkoff, O. (۲۰۱۷). How Can We Develop ...
  • Castano, S., Falduti, M., Ferrara, A., & Montanelli, S. (۲۰۲۲). ...
  • Chen, H., Wu , L., Chen, J., Lu, W., & ...
  • Cobbe, J. (۲۰۱۹). Administrative law and the machines of government: ...
  • De Fine Licht, K., & de Fine Licht, J. (۲۰۲۰). ...
  • Di Vaio, A., Hassan, R., & Alavoine, C. (۲۰۲۲). Data ...
  • Doshi-Velez, F., & Kim, B. (۲۰۱۷). Towards a rigorous science ...
  • Du, W., Pan, S. L., Leidner, D. E., & Ying, ...
  • Ehsan, U., & O. Riedl, M. (۲۰۲۰). Human-centered Explainable AI: ...
  • Fügener, A., Grahl, J., Gupta, A., & Ketter, W. (۲۰۲۲). ...
  • Gilpin, L. H., Bau, D., Z, B. Y., Bajwa, A., ...
  • Guidotti, R., Monreale, A., Ruggieri, S., Turini, F., Pedreschi, D., ...
  • Haesevoets, T., De Cremer, D., Dierckx, K., & Van Hiel, ...
  • Jacovi, A., Shalom, O. S., & Goldberg, Y. (۲۰۱۸). Understanding ...
  • Jarrahi, M. (۲۰۱۸). Artificial intelligence and the future of work: ...
  • Kuo, Y.-F., & Chen, P.-C. (۲۰۰۸). Constructing performance appraisal indicators ...
  • Kulesza, T., Burnett, M., Wong, W.-K., & Stumpf, S. (۲۰۱۵). ...
  • Liao, Q. V., & Varshney, K. R. (۲۰۲۱). Human-centered explainable ...
  • Maier, J. R., & Fadel, G. M. (۲۰۰۹). Affordance based ...
  • Miller, T. (۲۰۱۹). Explanation in Artificial Intelligence:Insights from the Social ...
  • Mullarkey, M. T., Hevner, A. R., & Ågerfalk, P. (۲۰۱۹). ...
  • Myers, M. D., & Venable, J. R. (۲۰۱۴). A set ...
  • Ogunbiyi , N., Basukoski, A., & Chaussalet, T. (۲۰۲۱). An ...
  • Pan, S. L., Li, M., Pee, L. G., & Sandeep, ...
  • Peeters, R. (۲۰۲۰). The agency of algorithms: Understanding human-algorithm interaction ...
  • Rahbari, E., & Shabanpoor, A. (۲۰۲۳). The Challenges in Employing ...
  • Riedl, M. O. (۲۰۱۹). Human-centered artificial intelligence and machine learning. ...
  • Schoonderwoerd, T. A., Jorritsma, W., Neerincx, M. A., & van ...
  • Sein, M. K., Henfridsson, O., Purao, S., & Rossi, M. ...
  • Sil, R., & Abhishek, R. (۲۰۲۱). Machine learning approach for ...
  • Shrestha, Y. R., Ben-Menahem, S. M., & von Krogh, G. ...
  • Sowa, K., Przegalinska, A., & Ciechanowski, L. (۲۰۲۱). Cobots in ...
  • Tim, Y., Pan, S. L., Bahri, S., & Fauzi, A. ...
  • Vincent, V. U. (۲۰۲۱). Integrating intuition and artificial intelligence in ...
  • Watson, R. W. (۱۹۷۸). Interpretive structural modeling—A useful tool for ...
  • Wiegreffe, S., & Marasović, A. (۲۰۲۱). Teach me to explain: ...
  • Wolf, C. T. (۲۰۱۹). Explainability scenarios: towards scenario-based XAI design. ...
  • Zerilli, J., Knott, A., Maclaurin, J., & Gavaghan, C. (۲۰۱۹). ...
  • نمایش کامل مراجع