.png){kind=icon}
返回
Developing Explainable Artificial Intelligence Models for Space Science Applications
.png){kind=icon}
OA
AI
DOI：10.34133/space.0255.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
可解释人工智能（XAI）在空间科学中的集成，为AI驱动型应用带来了透明度和可靠性的新纪元。本文深入探讨了XAI在提升空间任务各方面中的作用，从卫星图像分析到行星科学和人与AI协作。引言强调了AI中可解释性的必要性，突出了在高风险空间任务中需要透明且合乎伦理的决策。在背景部分，本文探讨了AI在空间科学中的发展历程以及XAI作为关键领域的兴起。文中考察了空间数据的复杂性以及严格的可靠性和安全性要求所构成的挑战，强调了建立稳健且可解释的AI系统的必要性。本文讨论了多种XAI技术，包括模型无关方法（如LIME（局部可解释模型无关解释）和SHAP（谢帕德加性解释））、固有方法（如决策树）和广义加性模型。文中还讨论了用于XAI的可视化工具，包括特征重要性图和热图，展示了它们在使AI决策更具可解释性和可操作性方面的作用。三个案例研究说明了XAI在空间科学中的实际应用：地球观测中的森林砍伐监测、行星科学中的发现促进以及空间任务中人与AI协作的增强。这些案例展示了XAI如何提升透明度和可靠性，并支持更有效的决策制定。最后，本文展望未来，讨论了XAI领域的 emerging technologies及其可能颠覆空间科学的潜力。将XAI、人与AI协作、NLP进步和量子计算整合是空间探索的关键趋势。
Keyword:
Explainable Artificial Intelligence
Space Science
Satellite Imagery Analysis
Human-AI Collaboration
XAI Techniques
期刊
S
IF:
6.8
论文数:
271
被引数:
797
机构
引用论文
AI coming of age: NASA uses AI for autonomous space explorationAI成年：NASA使用AI进行自主太空探索.png)
IEEE Expert
IEEE ExpertIF0
PREAI
分享收藏
Applications and Challenges of Artificial Intelligence in Space Missions人工智能在航天任务中的应用与挑战IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Interpretation of ensemble learning to predict water quality using explainable artificial intelligence使用可解释的人工智能对集成学习进行预测以预测水质
PREAI
分享收藏Artificial intelligence and visual analytics in geographical space and cyberspace: Research opportunities and challenges地理空间和网络空间中的人工智能和视觉分析: 研究机遇与挑战OAAI
OAAI分享收藏Study of AI and ML Based Technologies used in International Space Station基于人工智能和机器学习技术的国际空间站应用研究
PREAI
分享收藏
查看更多内容