Nurturing Knowledge: A Virtue Epistemology Approch to Explainable AI
Laura CandiottoJakub GrowiecPhilipp KellmeyerIthai RabinowitchMichael Livermore, "Nurturing Knowledge: A Virtue Epistemology Approach to Explainable AI" in Philipp Hacker (ed.), Oxford Intersections: AI in Society (Oxford, online edn), Oxford Academic, 2025
DOI : https://doi.org/10.1093/9780198945215.003.0176
Résumé
Les technologies d'IA, en particulier les réseaux neuronaux profonds et les modèles d'apprentissage automatique, sont de plus en plus intégrées dans la production de connaissances dans divers domaines scientifiques, ce qui soulève des questions cruciales quant à leur explicabilité et leur interprétabilité. Différentes disciplines et différents contextes nécessitent des types d'explications fondamentalement différents, rendant inadéquates les approches universelles de l'IA explicable. L'épistémologie de la vertu offre un cadre prometteur pour relever ces défis en se concentrant sur la manière dont les systèmes d'IA cultivent ou sapent les vertus épistémiques au sein de communautés de connaissances spécifiques. Plutôt que de rechercher des explications en termes abstraits, l'épistémologie de la vertu met l'accent sur les capacités épistémiques et les traits de caractère tels qu'ils se manifestent au sein de cultures épistémiques particulières. Des études de cas issues des sciences sociales, des neurosciences, de la médecine et des sciences humaines révèlent que pour réaliser des progrès significatifs en matière d'IA explicable, il est nécessaire d'aligner le raisonnement computationnel sur la culture des vertus épistémiques et l'atténuation des vices épistémiques qui caractérisent les pratiques et les normes de connaissances spécialisées de chaque communauté scientifique.
Cet article est issu de la quatrième Intercontinental Academia (ICA4), organisé par l’Institut d’études avancées de Paris a fortement contribué. Il s’inscrit dans la continuité des travaux transdisciplinaires menés au sein de l’IEA sur l’intelligence artificielle.
|
|
|
|
|
|
