XAIの目的的な評価のためにSAIG方法を探索

論文は、人工エクスプレ ssible イノベーション (XAI) 方法の評価が急速に発展していることを説明し、その多様なアプローチによってXAI評価の複雑さが浮かび上がると述べています。この多元化により、他の一般的なAI評価とは異なり、XAI方法への説明に対する普遍的な正解が存在せず、これが客観的評価に挑戦するのが難しいことが示されています。その問題を解決するための一つの promising ディスクロージャー方向性は、SAIG (Synthetic Artificial Intelligence Ground ）方法の使用を指し示します。これは人工の正解を作り出すことで、XAI Techniques の直接的な評価に焦点を当てます。この論文では初めて、SAIG 方法に関するレビューと分析を行っています。我々は新しいトAXISAXION を導入してこれらのアプローチを分類し、七つの重要な特徴が異なる種類の SAIG 方法を識別するのを開示しています。私たちの比較的研究では、最も多くのXAI評価テクニックを選好する方向性に関する合意がないと問題視しました。これはこの領域でのより深い研究と標準化への需要に直面していることを指摘しています。

arXiv:2602.08715v1 Announce Type: new Abstract: The evaluation of eXplainable Artificial Intelligence (XAI) methods is a rapidly growing field, characterized by a wide variety of approaches. This diversity highlights the complexity of the XAI evaluation, which, unlike traditional AI assessment, lacks a universally correct ground truth for the explanation, making objective evaluation challenging. One promising direction to address this issue involves the use of what we term Synthetic Artificial Intelligence Ground truth (SAIG) methods, which generate artificial ground truths to enable the direct evaluation of XAI techniques. This paper presents the first review and analysis of SAIG methods. We introduce a novel taxonomy to classify these approaches, identifying seven key features that distinguish different SAIG methods. Our comparative study reveals a concerning lack of consensus on the most effective XAI evaluation techniques, underscoring the need for further research and standardization in this area.