تُعتبر تفسيرات الذكاء الاصطناعي القابل للتفسير (Explainable AI) ذات أهمية متزايدة في مجال الاكتشاف العلمي، لكن التقنيات الحالية غالبًا ما تغفل عن حقيقة أن جودة التفسير ليست عالمية؛ حيث يختلف الخبراء في كيفية تقييم الأدلة، وتحديد الأولويات، وبناء السرد التفسيري. في إطار جديد يعزز من هذه الملاحظات، نقدم "التفسيرات المشروطة بالمنظور"، وهي منهجية تهدف إلى تكييف توليد التفسيرات وفقًا للاختلافات المعرفية في حكم الخبراء.

تستخدم الدراسة مسارات التفكير من خلال الرسوم البيانية للمعرفة في اكتشاف الأدوية، وتظهر أن تفضيلات الخبراء تتنظم في وجهات نظر معرفية متسقة يمكن أن يتم التقاطها بواسطة "شخصيات وكيلة"، وهي تمثيلات كيف يقيّم الخبراء التفسيرات. تُوجّه المكافآت المتوافقة مع الشخصيات، التي تستند إلى التعلم المعزز، عملية توليد التفسيرات دون الحاجة إلى إشراف كبير من الخبراء.

تشير الدراسات التي أُجريت على المستخدمين الخبراء إلى أن التفسيرات المشروطة بالمنظور تفضل على التفسيرات العامة، مما يؤدي إلى تحسينات ملحوظة في الصلة والموثوقية. علاوة على ذلك، فإن الأداء التنبؤي لهذه التفسيرات يتساوى أو يتفوق على أحدث النتائج، في حين تقلل من وقت تغذية الخبراء الراجعة بمقدار درجتين.

تشير هذه النتائج مجتمعة إلى أن جودة التفسير تعتمد على المنظور، وأن نمذجة هذا التنوع يتيح توليد تفسيرات متزايدة القابلية للتوسع ومتوافقة مع الإنسان لأغراض الاكتشاف العلمي. هل تعتقد أن هذا النهج سيحدث ثورة في مجال الذكاء الاصطناعي القابل للتفسير؟ شاركونا آراءكم في التعليقات!