محمد مهدی صیادنژاد - بخش مهندسی و علوم کامپیوتر و فناوری اطلاعات، دانشگاه شیراز
علی عسگری - University of Naples Federico II
اشکان سامی - ۳Edinburgh Napier University
هومان تحیری - بخش مهندسی و علوم کامپیوتر و فناوری اطلاعات، دانشگاه شیراز

هوش مصنوعی توصیف پذیر یک حوزه مهم از تحقیقات است که هدف آن ایجاد مدل های هوش مصنوعی با توضیحات قابل درک برای انسان است. در این مطالعه، موضوعاتی را که توسعه دهندگان XAI مورد بحث قرار می دهند و چالش هایی که با آن ها روبرو هستند را با تجزیه و تحلیل بحث ها در انجمن های Stack Exchange بررسی می کنیم. ما از تکنیک های خوشه بندی متون برای شناسایی ده موضوع کلیدی که توسعه دهندگان مورد بحث قرار می دهند، از جمله موانع توسعه مدل استفاده می کنیم. تجزیه و تحلیل ما نشان می دهد که توسعه دهندگان موضوعات مربوط به مفاهیم بنیادی، عیب یابی ابزار ها، و تفسیر شبکه های عصبی را مفیدترین موضوعات می دانند و در روش های بهبود مدل و تعیین اهمیت ویژگی ها با چالش هایی مواجه می شوند.

هوش مصنوعی توصیف پذیر، انجمن های پرسش و پاسخ، خوشه بندی متون، مدل سازی موضوع