IBM Research今天推出了AI Explainability 360，这是一个开源的最先进算法集合，它使用一系列技术来解释AI模型决策。

此次发布是在IBM一年前发布的AI Fairness 360发布之后，用于检测和缓解AI模型中的偏差。

IBM正在分享其最新的工具包，以增加对人工智能的信任和验证，并帮助那些必须遵守法规的企业使用AI，IBM研究员和负责任的AI负责人Saska Mojsilovic在电话采访中告诉VentureBeat。

“这是至关重要的，因为我们知道组织中的人不会使用或部署人工智能技术，除非他们真的相信他们的决定。而且因为我们为这个世界的很大一部分创建基础设施，它对我们来说至关重要 - 不是因为我们自己内部部署了AI或我们可能在这个领域拥有的产品，但是因为我们的客户创建这些功能是至关重要的。世界将利用它们，“她说。

Mojsilovic说，该工具包也正在分享，因为行业在创建值得信赖的人工智能方面的进展“非常缓慢”。

AI Explainability 360借鉴了IBM Research Group成员的算法和论文。来源材料包括“TED：用于解释其决策的人工智能教学”，一篇论文在AAAI / ACM会议上接受出版，其中涉及人工智能，道德和社会，以及经常引用的 “通过自我解释神经网络实现稳健可解释性， “在NeurIPS 2018上接受发表。

该工具包借鉴了许多不同的方式来解释结果，例如可对比的解释，一种试图解释重要缺失信息的算法。

算法也针对特定场景进行，例如用于解释原型的Protodash，以及用于向最近被拒绝贷款的消费者解释信用评分模型结果的算法，或者需要解释AI模型决策的信贷员。遵守法律。

工具包中的所有八种算法都来自IBM Research，但未来将添加来自更广泛的AI社区的更多算法。

“这不是一个研究小组或一个组织可以移动针头; 当我们联手并共同努力时，我们都会受益，这也是我们打算发展工具箱的原因，“Mojsilovic说。