ОБЕСПЕЧЕНИЕ НАДЕЖНОСТИ НАУЧНЫХ РЕЗУЛЬТАТОВ НА ОСНОВЕ ОБЪЯСНИМОГО ИИ (XAI)
Ключевые слова:
Explainable AI, XAI, LIMEАннотация
В данной статье исследуется роль технологий Explainable AI (XAI) в анализе научных результатов и повышении их надежности в естественных и точных науках. В исследовании применяются современные методы XAI, такие как LIME и SHAP, для оценки прозрачности моделей, уровня ошибок и соответствия экспертным оценкам. Результаты показывают, что методы XAI повышают надежность моделей на 23–30%, снижают количество неправильных решений и укрепляют доверие к научным исследованиям. Полученные данные демонстрируют практическую применимость подходов XAI как эффективного инструмента в научных исследованиях. Разработка автоматизированных научных платформ на основе XAI рассматривается как актуальная задача для будущих исследований и практики.Библиографические ссылки
1. Wickramasinghe, C. S., Marino, D., & Amarasinghe, K. (2023). Explainable artificial intelligence. Frontiers in Computer Science, 5:1291752 — XAI sohasidagi umumiy sharh va muhim kontseptlar.
2. Saarela, M., & Podgorelec, V. (2024). Recent Applications of Explainable AI (XAI): A Systematic Literature Review. Applied Sciences, 14(19):8884 — XAI ning so‘nggi qo‘llanilishi bo‘yicha tizimli tahlil.
3. Schneider, J. (2024). Explainable Generative AI (GenXAI): a survey, conceptualization, and research agenda. Artificial Intelligence Review — Generativ AI va Explainability bo‘yicha yuzaga kelayotgan yondashuvlar.
4. Explainable Artificial Intelligence: Second World Conference, xAI 2024, Valletta, Malta, July 17–19, 2024, Proceedings (2024). Springer — XAI bo‘yicha xalqaro konferensiya materiallari.
5. Explainable Artificial Intelligence: Second World Conference, xAI 2024, Valletta, Malta, July 17–19, 2024, Proceedings, Part III. Springer (2024) — XAI konferensiyasi maqolalari,
metodologiyalar va ilovalar.
6. Altaqhi, Z. M., Pradhan, S., & Aljohani, N. (2025). A Systematic Literature Review of the Latest Advancements in XAI. Technologies, 13(3):93 — XAI sohasidagi 2014–2024 yillardagi yutuqlar va istiqbollar.
7. Ghasemi, A., Hashtarkhani, S., Schwartz, D. L., & Shaban-Nejad, A. (2024). Explainable artificial intelligence in breast cancer detection and risk prediction. arXiv — XAI ni tibbiyot sohasida qo‘llash bo‘yicha tizimli skopinig sharhi.
8. Baniecki, H., & Biecek, P. (2023). Adversarial attacks and defenses in explainable artificial intelligence: A survey. arXiv — XAI metodlaridagi tahdidlar va mudofaa strategiyalari.
9. Nauta, M., Trienes, J., Pathak, S., Nguyen, E., et al. (2023). From Anecdotal Evidence to
Quantitative Evaluation Methods: A Systematic Review on Evaluating Explainable AI. ACM
Computing Surveys — XAI baholash mezonlari va metodlar bo‘yicha tizimli sharh.
10.Explainable and interpretable machine learning and data mining. Data Mining and
Knowledge Discovery, 38 (2024) — XAI va interpretatsiya qilingan mashinalarni o‘rganish bo‘yicha
mehmon muharrirlik maqolasi.
