23、可解释人工智能在地理空间数据分析中的机遇与挑战

可解释人工智能在地理空间数据分析中的机遇与挑战

可解释人工智能的新兴趋势

可解释人工智能是一个新兴且充满活力的领域。研究人员正将人工智能和数据科学中的可解释人工智能技术相融合，以助力理解机器学习和深度学习模型在地理空间数据分析中是如何做出预测决策的。目前，越来越多的焦点集中在开发考虑数据位置因素的空间可解释人工智能方法上。

例如，Pagliarini和Sciavicco（2023）提出了一种用于土地覆盖分类的可解释空间决策树模型。Li等人（2021）也开发了一种新颖的目标检测方法，该方法使用弱标签和空间显式模型，包括注意力图和多阶段训练策略来提升性能。Li等人（2021）的研究凸显了推进以空间为重点的可解释人工智能和以数据为中心的方法的潜力。

满足利益相关者多样化需求

将可解释人工智能方法进行定制以满足不同利益相关者的多样化需求和目标至关重要，这也证明了他们观点的重要性。当前的可解释人工智能方法通常采用通用的解释方法，这可能并不适合所有利益相关者，尤其是那些专业知识水平不同的人。这可能会导致误解，并有可能降低信任度和可用性。

因此，为非专业利益相关者开发更易获取和理解的工具至关重要。地理空间数据分析中可解释人工智能的实际应用应侧重于用户友好的界面，以加强利益相关者之间的协作。此外，这些可解释人工智能应用应确保提供基于空间和上下文的见解（Roscher等人，2023）。

混合可解释人工智能方法

结合各种解释技术的混合可解释人工智能方法呈现出另一个有前景的方向。这些方法旨在提供可靠的见解，但要使它们在不同场景下保持一致和连贯的解释具有挑战性。此外，平衡可解释性和预测准确性至关重要。这涉及在事后方法