هوش مصنوعی مولد قابل توضیح: افزایش شفافیت و اعتماد در مدل های زبانی بزرگ با تفسیر علی

سال انتشار: 1404
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 84

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CELCONF06_043

تاریخ نمایه سازی: 2 اردیبهشت 1405

چکیده مقاله:

با گسترش استفاده از مدل های زبانی بزرگ و هوش مصنوعی مولد، مسئله شفافیت و اعتماد کاربران به این سیستم ها اهمیت ویژه ای یافته است. مدل های هوش مصنوعی معمولا پیچیده و غیرقابل توضیح هستند و این امر می تواند موجب کاهش شفافیت و اعتماد کاربران شود. پژوهش حاضر با هدف بررسی نقش هوش مصنوعی مولد قابل توضیح و تفسیر علی در افزایش شفافیت و اعتماد، چارچوب مفهومی ارائه می دهد.در این چارچوب، ورودی شامل مدل های زبانی بزرگ و داده های متنی، پردازش با قابلیت تفسیر علی و خروجی شامل افزایش شفافیت و اعتماد کاربران است. مرور ادبیات نشان می دهد که شفافیت و قابلیت توضیح نقش مهمی در پذیرش فناوری های نوین دارند؛ عضدانلو (۱) اهمیت درک رفتار سیستم توسط کاربران را برجسته کرده است، نرگسیان و همکاران (۲) تاثیر شفافیت بر اعتماد عمومی را مورد بررسی قرار دادند و پالیزدار و همکاران (۳) نشان دادند که ترکیب شفافیت و اعتماد کاربران عملکرد سازمان ها را بهبود می بخشد. همچنین مطالعات دیگر مانند حسینی و همکاران (۵) و رضایی (۶) اهمیت تفسیر علی در مدل های زبانی بزرگ را برای افزایش اعتماد کاربران تایید کرده اند.نتایج مفهومی این مطالعه نشان می دهد که بهره گیری از هوش مصنوعی مولد قابل توضیح و تفسیر علی می تواند به افزایش شفافیت و اعتماد کاربران کمک کند و مسیر پژوهش های عملی و توسعه چارچوب های قانونی و مدیریتی برای استفاده از مدل های مولد را روشن سازد.کلمات کلیدی:هوش مصنوعی مولد قابل توضیح، تفسیر علی، شفافیت، اعتماد، مدل های زبانی بزرگ.

نویسندگان

مرضیه مرامی

دانشجوی کارشناسی مهندسی حرفه ای نرم افزار (مسئول)

علی رضائی

گروه مهندسی کامپیوتر، دانشگاه ملی مهارت، تهران، ایران