في عالم [الذكاء الاصطناعي](/tag/الذكاء-الاصطناعي) ([Artificial Intelligence](/tag/artificial-intelligence))، تبرز أهمية [الشفافية](/tag/الشفافية) كأحد القضايا المحورية، ولكن للأسف، تتجاهل العديد من [أبحاث](/tag/أبحاث) [الشفافية](/tag/الشفافية) المفاهيم الأساسية التي يمكن أن تعزز [تجارب](/tag/تجارب) المستخدمين.

تسلط هذه الورقة الضوء على دور تقدير [عدم اليقين](/tag/عدم-اليقين) ([Uncertainty Quantification](/tag/uncertainty-quantification)) في سياق [الشروحات المضادة للحقائق](/tag/الشروحات-المضادة-للحقائق) (Counterfactual Explanations)، وهي [تقنية](/tag/تقنية) تحتاج إلى المزيد من الاهتمام في المجتمع العلمي. من خلال استخدام تقدير عدم اليقين، يمكننا تقديم إطار موحد لفهم كيفية [عمل](/tag/عمل) الشروحات المضادة للحقائق، حيث يتم التعبير عن الخصائص الأساسية المضادة للحقائق من منظور [عدم اليقين](/tag/عدم-اليقين).

قدمت [الدراسة](/tag/الدراسة) نموذجين مختلفين للشارح، يعتمد أحدهما فقط على تقديرات [عدم اليقين](/tag/عدم-اليقين) بينما يجمع الآخر بين هذه التقديرات والمسافة المقاسة في [فضاء](/tag/فضاء) الميزات. ومن خلال [التجارب](/tag/التجارب) الشاملة، أظهرت النتائج أداءً تنافسياً عالياً لموديلاتنا مقارنة بالأساليب الحديثة والمتطورة، رغم [التصميم](/tag/التصميم) البسيط للغاية لهذا الإطار.

بشكل عام، تدعو الورقة إلى دمج [مفاهيم](/tag/مفاهيم) [الذكاء الاصطناعي](/tag/الذكاء-الاصطناعي) الأساسية في [أبحاث](/tag/أبحاث) الشفافية، مما يعد بإنشاء [نماذج تنبؤية](/tag/[نماذج](/tag/نماذج)-تنبؤية) أكثر [موثوقية](/tag/موثوقية) وفهماً. نرى أن جعل الشروحات في [الذكاء الاصطناعي](/tag/الذكاء-الاصطناعي) واعية لعدم اليقين يمثل الخطوة الأولى [نحو](/tag/نحو) [تحقيق](/tag/تحقيق) هذا الهدف، مما يساعد على [بناء](/tag/بناء) [ثقة](/tag/ثقة) أكبر في [أنظمة](/tag/أنظمة) [الذكاء الاصطناعي](/tag/الذكاء-الاصطناعي) المعتمدة.