Buchumschlag

Inductive Models for Artificial Intelligence Systems are Insufficient without Good Explanations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Habaraduwa, Udesh
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Neural Ordinary Differential Equations for Simulating Metabolic Pathway Dynamics from Time-Series Multiomics Data
von: Habaraduwa, Udesh, et al.
Veröffentlicht: (2025)

Standard Neural Computation Alone Is Insufficient for Logical Intelligence
von: Kim, Youngsung
Veröffentlicht: (2025)

Uncertainty Quantification as a Principled Foundation for Explainable Artificial Intelligence: A Case Study of Counterfactual Explanations
von: Sokol, Kacper, et al.
Veröffentlicht: (2025)

Evaluating Model Explanations without Ground Truth
von: Rawal, Kaivalya, et al.
Veröffentlicht: (2025)

Probabilistic Artificial Intelligence
von: Krause, Andreas, et al.
Veröffentlicht: (2025)

Artificial Intelligence-based Decision Support Systems for Precision and Digital Health
von: Deliu, Nina, et al.
Veröffentlicht: (2024)

Inductive Moment Matching
von: Zhou, Linqi, et al.
Veröffentlicht: (2025)

Benchmarking Artificial Intelligence Models for Daily Coastal Hypoxia Forecasting
von: Rajasekaran, Magesh, et al.
Veröffentlicht: (2026)

Eliminating Inductive Bias in Reward Models with Information-Theoretic Guidance
von: Li, Zhuo, et al.
Veröffentlicht: (2025)

Reevaluation of Inductive Link Prediction
von: Ott, Simon, et al.
Veröffentlicht: (2024)

Instilling Inductive Biases with Subnetworks
von: Zhang, Enyan, et al.
Veröffentlicht: (2023)

Dynamic Intelligence Ceilings: Measuring Long-Horizon Limits of Planning and Creativity in Artificial Systems
von: Khanh, Truong Xuan, et al.
Veröffentlicht: (2026)

Personalized Artificial General Intelligence (AGI) via Neuroscience-Inspired Continuous Learning Systems
von: Gupta, Rajeev, et al.
Veröffentlicht: (2025)

Quantifying the Intrinsic Usefulness of Attributional Explanations for Graph Neural Networks with Artificial Simulatability Studies
von: Teufel, Jonas, et al.
Veröffentlicht: (2023)

A Trustworthiness-based Metaphysics of Artificial Intelligence Systems
von: Ferrario, Andrea
Veröffentlicht: (2025)

Use of What-if Scenarios to Help Explain Artificial Intelligence Models for Neonatal Health
von: Mamun, Abdullah, et al.
Veröffentlicht: (2024)

Energy-Efficient Domain-Specific Artificial Intelligence Models and Agents: Pathways and Paradigms
von: Chatterjee, Abhijit, et al.
Veröffentlicht: (2025)

Rethinking Distribution Shifts: Empirical Analysis and Inductive Modeling for Tabular Data
von: Wang, Tianyu, et al.
Veröffentlicht: (2023)

HYPER: A Foundation Model for Inductive Link Prediction with Knowledge Hypergraphs
von: Huang, Xingyue, et al.
Veröffentlicht: (2025)

Open-Endedness is Essential for Artificial Superhuman Intelligence
von: Hughes, Edward, et al.
Veröffentlicht: (2024)

Causal Bias Detection in Generative Artificial Intelligence
von: Plecko, Drago
Veröffentlicht: (2026)

SpectrumWorld: Artificial Intelligence Foundation for Spectroscopy
von: Yang, Zhuo, et al.
Veröffentlicht: (2025)

Good Teachers Explain: Explanation-Enhanced Knowledge Distillation
von: Parchami-Araghi, Amin, et al.
Veröffentlicht: (2024)

Self-Supervised Inductive Logic Programming
von: Patsantzis, Stassa
Veröffentlicht: (2025)

Neuro-Symbolic Artificial Intelligence: Towards Improving the Reasoning Abilities of Large Language Models
von: Yang, Xiao-Wen, et al.
Veröffentlicht: (2025)

An Automated Survey of Generative Artificial Intelligence: Large Language Models, Architectures, Protocols, and Applications
von: Garrido-Merchán, Eduardo C., et al.
Veröffentlicht: (2023)

General Purpose Artificial Intelligence Systems (GPAIS): Properties, Definition, Taxonomy, Societal Implications and Responsible Governance
von: Triguero, Isaac, et al.
Veröffentlicht: (2023)

It Takes a Good Model to Train a Good Model: Generalized Gaussian Priors for Optimized LLMs
von: Wu, Jun, et al.
Veröffentlicht: (2025)

Shaping Inductive Bias in Diffusion Models through Frequency-Based Noise Control
von: Jiralerspong, Thomas, et al.
Veröffentlicht: (2025)

Comprehensive Overview of Artificial Intelligence Applications in Modern Industries
von: Weng, Yijie, et al.
Veröffentlicht: (2024)

Autonomous Vehicles: Evolution of Artificial Intelligence and Learning Algorithms
von: Garikapati, Divya, et al.
Veröffentlicht: (2024)

Procedural Content Generation via Generative Artificial Intelligence
von: Mao, Xinyu, et al.
Veröffentlicht: (2024)

Uncertainty Gating for Cost-Aware Explainable Artificial Intelligence
von: Mikriukov, Georgii, et al.
Veröffentlicht: (2026)

Holistic Artificial Intelligence in Medicine; improved performance and explainability
von: Petridis, Periklis, et al.
Veröffentlicht: (2025)

Foundations of Artificial Intelligence Frameworks: Notion and Limits of AGI
von: Bui, Khanh Gia
Veröffentlicht: (2025)

Engineering Artificial Intelligence: Framework, Challenges, and Future Direction
von: Lee, Jay, et al.
Veröffentlicht: (2025)

Concept-Based Explainable Artificial Intelligence: Metrics and Benchmarks
von: Aysel, Halil Ibrahim, et al.
Veröffentlicht: (2025)

SMGI: A Structural Theory of General Artificial Intelligence
von: Osmani, Aomar
Veröffentlicht: (2026)

Artificial Inductive Bias for Synthetic Tabular Data Generation in Data-Scarce Scenarios
von: Apellániz, Patricia A., et al.
Veröffentlicht: (2024)

What Has a Foundation Model Found? Using Inductive Bias to Probe for World Models
von: Vafa, Keyon, et al.
Veröffentlicht: (2025)