通过设计研究人工智能的可读性

可解释人工智能(XAI)AI 辅助决策与自动化系统算法透明度与可审计性UI/UX 设计师AI/ML 研究员与工程师HCI 研究员

日常与计算机的互动越来越可能涉及人工智能(AI)的元素。AI涵盖了广泛的技术和应用,为HCI和设计带来了许多挑战。其中一个挑战是以有意义的方式使用户能够理解给定系统中AI的作用。在本文中,我们采用设计研究(RtD)方法来探讨如何实现这一目标。基于当前的关注点和对相关研究的深入探索,我们的RtD过程反思了旨在帮助用户提高AI可读性的设计图像。本文做出了三项贡献。首先,我们深入探讨了先前的研究,以批判性地剖析AI可读性问题空间。其次,我们提出了旨在增强用户对使用AI的系统可读性的设计提案。第三,我们探讨了设计主导的探究作为批判性探索HCI和AI研究交汇点的工具的作用。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/31944/2020

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3313831.3376792
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2020
emoji_events
奖项
未标记奖项
group
作者
4 位作者
sell
研究子方向
可解释人工智能(XAI)、AI 辅助决策与自动化系统、算法透明度与可审计性
work
职业/产业
UI/UX 设计师、AI/ML 研究员与工程师、HCI 研究员
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文