- Аппроксимация значения Шепли без предельных вкладов (arXiv)
Автор: Патрик Колпачки, Виктор Бенгс, Эйке Хюллермайер.
Аннотация: значение Шепли, возможно, является наиболее популярным подходом для определения значимого вклада игроков в кооперативную игру, который в последнее время интенсивно используется в различных областях машинного обучения, в первую очередь в объяснимом искусственном интеллекте. Осмысленность обусловлена аксиоматическими свойствами, которым удовлетворяет только значение Шепли, что, однако, достигается за счет точного вычисления, экспоненциально растущего с количеством агентов. Соответственно, ряд работ посвящен эффективной аппроксимации значений Шепли, и все они вращаются вокруг понятия предельного вклада агента. В этой статье мы предлагаем с помощью SVARM и Stratified SVARM два непараметрических и независимых от предметной области алгоритма аппроксимации, основанных на представлении значения Шепли, отделенного от понятия предельных вкладов. Мы доказываем непревзойденные теоретические гарантии качества их аппроксимации и предоставляем удовлетворительные эмпирические результаты.
2. Объяснение квантовых схем с помощью значений Шепли: на пути к объяснимому квантовому машинному обучению (arXiv)
Автор: Рауль Хиз, Тор Герлах, Саша Мюке, Сабина Мюллер, Маттиас Якобс, Нико Пятковски.
Аннотация: методы искусственного интеллекта (ИИ) и особенно машинного обучения (МО) становятся все более сложными и в то же время оказывают все большее влияние на жизнь людей. Это приводит к тому, что объяснимый ИИ (XAI) проявляется как важная область исследований, которая помогает людям лучше понимать системы машинного обучения. Параллельно появляется квантовое машинное обучение (QML) с постоянным совершенствованием оборудования для квантовых вычислений в сочетании с его растущей доступностью через облачные сервисы. QML обеспечивает ML с квантовым усилением, в котором квантовая механика используется для облегчения задач ML, как правило, в форме квантово-классических гибридных алгоритмов, которые объединяют квантовые и классические ресурсы. Квантовые вентили представляют собой строительные блоки квантового оборудования на основе вентилей и образуют схемы, которые можно использовать для квантовых вычислений. Для приложений QML квантовые схемы обычно параметризуются, а их параметры классически оптимизируются таким образом, чтобы минимизировать надлежащим образом определенную целевую функцию. Вдохновленные XAI, мы поднимаем вопрос об объяснимости таких схем путем количественной оценки важности (групп) ворот для конкретных целей. С этой целью мы переносим и адаптируем устоявшуюся концепцию значений Шепли к квантовой сфере. Полученные атрибуты можно интерпретировать как объяснение того, почему конкретная схема хорошо работает для данной задачи, улучшая понимание того, как создавать параметризованные (или вариационные) квантовые схемы, и способствуя их интерпретации человеком в целом. Экспериментальная оценка на симуляторах и двух сверхпроводящих квантовых аппаратных устройствах демонстрирует преимущества предложенной структуры для классификации, генеративного моделирования, транспиляции и оптимизации. Кроме того, наши результаты проливают свет на роль конкретных вентилей в популярных подходах QML.
