Skip to main content
QUICK REVIEW

[論文レビュー] Unexplainability and Incomprehensibility of Artificial Intelligence

Roman V. Yampolskiy|arXiv (Cornell University)|Jun 20, 2019
Explainable Artificial Intelligence (XAI)参考文献 81被引用数 10
ひとこと要約

本論文は、高度な人工知能システムがすべての意思決定について正確な説明を提供できないこと、そして説明がなされても人間が理解できないことの根本的限界を示す2つの理論的不可能性結果—『説明不能性』と『理解不能性』—を提示する。中心的貢献は、高度に機能するAIにおいて説明可能性と理解可能性が本質的に制限されることを形式的に示したことである。これはAI安全性および解釈可能性研究における仮定に挑戦するものである。

ABSTRACT

Explainability and comprehensibility of AI are important requirements for intelligent systems deployed in real-world domains. Users want and frequently need to understand how decisions impacting them are made. Similarly it is important to understand how an intelligent system functions for safety and security reasons. In this paper, we describe two complementary impossibility results (Unexplainability and Incomprehensibility), essentially showing that advanced AIs would not be able to accurately explain some of their decisions and for the decisions they could explain people would not understand some of those explanations.

研究の動機と目的

  • 人工知能システムにおける説明可能性と理解可能性の根本的限界を調査すること。
  • 個人および社会に影響を及ぼすAI意思決定の透明性に対する増大する要請に応えること。
  • 高度なAIシステムが人間にとって説明可能かつ理解可能であるかどうかを検討すること。
  • 高度なAIにおいて完全な説明可能性と理解可能性を達成する理論的不可能性を形式化すること。

提案手法

  • 本論文は、計算理論および認知科学に裏付けられた2つの不可能性結果—『説明不能性』と『理解不能性』—を形式化する。
  • 『説明不能性』は、一部のAI意思決定が人間の認知的容量を超えて複雑で非線形的な推論を含むため、人間が言語化できないことから生じる。
  • 『理解不能性』は、AIの説明の構造と人間の認知処理能力との不一致に起因する。
  • 計算複雑性、認知科学、心の理論の概念を援用することで、説明が論理的には正しいが認知的にアクセス不可能であることを示す。
  • 本分析は、実証的または実験的手法ではなく、論理的および理論的推論に依拠している。
  • 本論文は、形式的推論に依拠し、AIが説明を生成できたとしても、人間の認知的限界により理解不能である可能性があることを示している。

実験結果

リサーチクエスチョン

  • RQ1高度な人工知能システムは、そのすべての意思決定について正確かつ完全な説明を提供できるか?
  • RQ2人間の認知的限界は、AIが生成する説明の理解をどの程度妨げるか?
  • RQ3ある複雑性の閾値を超えた場合、知能システムの説明可能性に理論的限界があるとされるか?
  • RQ4AIの意思決定プロセスが極めて複雑な場合、人間にとって説明可能かつ理解可能であることは可能か?
  • RQ5説明不能性と理解不能性が、AIの安全性、倫理、およびハイリスク分野への展開に与える影響は何か?

主な発見

  • 本論文は、AIの内部的推論プロセスの複雑さにより、高度なAIシステムが根本的に説明不能である可能性があると確立している。
  • 説明が生成されたとしても、人間の認知構造との不一致により、それらが人間にとって理解不能である可能性がある。
  • 不可能性結果は理論的であり、実証データに基づくものではないが、計算的および認知的限界に裏打ちされている。
  • 研究結果は、人工汎用知能や超知能システムにおいても、説明可能性を設計上の目標として保証することはできないと示唆している。
  • 解釈可能性が最適設計のもとでも常に達成可能であるという仮定に疑問を呈している。
  • 本論文は、将来的な高度なAIシステムにおいて、説明可能性を安全対策として依存することは不十分である可能性を示唆している。

より良い研究を、今すぐ始めましょう

論文の読解から最終レビューまで、研究時間を劇的に削減しましょう。

クレジットカード登録不要

このレビューはAIが作成し、人間の編集者が確認しました。