Bridging the Gap between Human-Computer Interaction and Machine-Learning on Explainable AI: Initial Observations and Lessons Learned

Julien Albert; Adrien Bibal; Benoît Frénay; Bruno Dumas

Bridging the Gap between Human-Computer Interaction and Machine-Learning on Explainable AI: Initial Observations and Lessons Learned

Titre traduit de la contribution: Combler la distance entre l’interaction humain-machine et le machine learning sur l’IA explicable: premières observations et leçons apprises

Julien Albert, Adrien Bibal, Benoît Frénay, Bruno Dumas

Résultats de recherche: Contribution dans un livre/un catalogue/un rapport/dans les actes d'une conférence › Article dans les actes d'une conférence/un colloque

28 Téléchargements (Pure)

Résumé

L’explicabilité en intelligence artificielle (XAI) est un domaine de recherche en plein essor aujourd’hui, en particulier en machine learning (ML). Ce domaine concerne à la fois la capacité technique à comprendre le fonctionnement des modèles de ML et l’adéquation des explications avec les utilisateurs et les contextes d’utilisation ciblés. Il rejoint ainsi les préoccupations des chercheurs à la fois en ML et en interaction humain-machine (IHM). Nous avons donc organisé un atelier sur l’XAI pendant la conférence IHM’22 et avons réuni une trentaine de chercheurs issus des communautés IHM et ML. La contribution de ce présent article résume les principaux enseignements et les pistes de collaboration les plus prometteuses qui ont émergé lors des discussions.

Titre traduit de la contribution	Combler la distance entre l’interaction humain-machine et le machine learning sur l’IA explicable: premières observations et leçons apprises
langue originale	Anglais
titre	IHM'23 - 34e Conférence Internationale Francophone sur l'Interaction Humain-Machine
Nombre de pages	10
Etat de la publication	Publié - 3 avr. 2023

Accès au document

IHM2023_TeC_XAIworkshop_camera-readyVersion finale publiée, 2,29 MB

Autres fichiers et liens

https://hal.science/hal-04045886

34ème Conférence Internationale Francophone sur l'Interaction Humain-Machine
Albert, J. (Orateur)
3 avr. 2023 → 6 avr. 2023
Activité: Participation ou organisation d'un événement › Participation à une conférence, un congrès

Contient cette citation

@inproceedings{9ffbb918b4fa4737850f488c56fbe209,

title = "Bridging the Gap between Human-Computer Interaction and Machine-Learning on Explainable AI: Initial Observations and Lessons Learned",

abstract = "Explainability in artificial intelligence (XAI) is a rapidly growing research field nowadays, in particular in machine learning (ML). XAI concerns both the technical capacity to understand the functioning of ML models and the adequacy of the explanations with the targeted users and the contexts of use. It thus joins both the concerns of ML and of human-computer interaction (HCI) researchers. We therefore organized a workshop on XAI during the IHM{\textquoteright}22 conference and gathered about thirty researchers from the HCI and ML communities. The contribution of this paper sums up the main teachings and the most promising avenues for collaboration that emerged during the discussions.",

author = "Julien Albert and Adrien Bibal and Beno{\^i}t Fr{\'e}nay and Bruno Dumas",

year = "2023",

month = apr,

day = "3",

language = "English",

booktitle = "IHM'23 - 34e Conf{\'e}rence Internationale Francophone sur l'Interaction Humain-Machine",

}

Bridging the Gap between Human-Computer Interaction and Machine-Learning on Explainable AI: Initial Observations and Lessons Learned. / Albert, Julien; Bibal, Adrien; Frénay, Benoît et al.
IHM'23 - 34e Conférence Internationale Francophone sur l'Interaction Humain-Machine. 2023.

Résultats de recherche: Contribution dans un livre/un catalogue/un rapport/dans les actes d'une conférence › Article dans les actes d'une conférence/un colloque

TY - GEN

T1 - Bridging the Gap between Human-Computer Interaction and Machine-Learning on Explainable AI

T2 - Initial Observations and Lessons Learned

AU - Albert, Julien

AU - Bibal, Adrien

AU - Frénay, Benoît

AU - Dumas, Bruno

PY - 2023/4/3

Y1 - 2023/4/3

N2 - Explainability in artificial intelligence (XAI) is a rapidly growing research field nowadays, in particular in machine learning (ML). XAI concerns both the technical capacity to understand the functioning of ML models and the adequacy of the explanations with the targeted users and the contexts of use. It thus joins both the concerns of ML and of human-computer interaction (HCI) researchers. We therefore organized a workshop on XAI during the IHM’22 conference and gathered about thirty researchers from the HCI and ML communities. The contribution of this paper sums up the main teachings and the most promising avenues for collaboration that emerged during the discussions.

AB - Explainability in artificial intelligence (XAI) is a rapidly growing research field nowadays, in particular in machine learning (ML). XAI concerns both the technical capacity to understand the functioning of ML models and the adequacy of the explanations with the targeted users and the contexts of use. It thus joins both the concerns of ML and of human-computer interaction (HCI) researchers. We therefore organized a workshop on XAI during the IHM’22 conference and gathered about thirty researchers from the HCI and ML communities. The contribution of this paper sums up the main teachings and the most promising avenues for collaboration that emerged during the discussions.

UR - https://hal.science/hal-04045886

M3 - Conference contribution

BT - IHM'23 - 34e Conférence Internationale Francophone sur l'Interaction Humain-Machine

ER -

Bridging the Gap between Human-Computer Interaction and Machine-Learning on Explainable AI: Initial Observations and Lessons Learned

Résumé

Accès au document

Autres fichiers et liens

Empreinte digitale

Activités

34ème Conférence Internationale Francophone sur l'Interaction Humain-Machine

Contient cette citation