31、揭开面向终端用户的人工智能神秘面纱及马尔可夫等价有向无环图计数与采样新进展

揭开面向终端用户的人工智能神秘面纱及马尔可夫等价有向无环图计数与采样新进展

在当今科技飞速发展的时代，人工智能（AI）已经深入到我们生活的方方面面。然而，对于终端用户来说，AI 仍然充满了神秘色彩。同时，在图形因果分析领域，计数和采样马尔可夫等价有向无环图（DAGs）是基础且重要的任务。本文将为大家详细介绍这两方面的相关研究进展。

面向终端用户的人工智能研究

为了让终端用户更好地理解和接受 AI，研究人员进行了一系列的实验和分析。

用户需求与反馈

在研究中，用户通过自由提问的方式表达了他们希望在 Gloria 的解释中看到更多细节，例如“Gloria 在训练阶段计算了什么？”这反映出用户对于深入了解 AI 系统的渴望。

相关性分析

研究人员对参与者的教育背景、性别、技术亲和力和年龄等因素与问卷项目（如对 AI 系统的信任、虚拟代理印象和可解释人工智能（XAI）可视化的有用性）之间的潜在联系进行了皮尔逊积矩相关分析。结果发现，参与者的教育背景与对 AI 系统的感知信任之间存在显著的弱正线性关系（r = 0.47，p < 0.05），即教育背景较高的参与者往往更信任 AI 系统。而年龄和性别对 AI 系统的主观信任没有显著影响。对于虚拟代理印象和 XAI 可视化的有用性，年龄、性别和教育背景与这些因素之间均未发现相关性。

博物馆参观者对比研究

研究人员使用两个单向多元方差分析（MANOVA）来比较参与机器学习展示（ML - show）的博物馆参观者和未参与的参观者（基线）之间的差异，并应用了霍尔姆校正进行多重测试。
- 对 AI 的态度 <