Электронный каталог

Статья

Трофимов, Ю.В.
SCR-анализ сквозной объяснимости в AutoML и AutoXAI и синергетическое обоснование архитектурной интеграции / Ю.В.Трофимов, [и др.]. – Текст : электронный // Мягкие измерения и вычисления. – 2026. – Т. 98, № 2. – С. 41-60. – URL: https://doi.org/10.36871/26189976.2026.01-2.005. – Библиогр.: 48.

Автоматизированное машинное обучение (AutoML) в последние годы активно развивается и расширяет область практического применения, однако рост уровня автоматизации сопровождается усилением проблемы прозрачности, формируя феномен «двойной непрозрачности» — модели и процедуры её выбора. Методы объяснимого искусственного интеллекта (XAI) преимущественно применяются постфактум и не интегрированы в оптимизационный контур AutoM L. В работе выполнен структурированный обзор исследований на пересечении AutoML и XAI, направленный на систематизацию существующих интеграций и выявление архитектурных ограничений. Поиск публикаций за 2015–2026 гг. проведён в базах Scopus, Web of Science, eLibrary, IEEE Xplore, ACM Digital Library, PubMed и arXiv в соответствии с PRISMA-ScR. Показано, что доминирует последовательная схема «AutoML *> модель *> XAI», в которой интерпретируемость не участвует в управлении оптимизацией. Выделены ключевые пробелы: отсутствие синергетической оркестрации, невключение объяснимости в целевую функцию и отсутствие механизма обратной связи. Сформулированы архитектурные требования к системам AutoXAI, предполагающие многокритериальную оптимизацию, двунаправленную связность компонентов, учёт вычислительной стоимости объяснений и обеспечение трассируемости решений.



Спец.(статьи,препринты) = Ц 84 а2 - Многомашинные комплексы вычислительных средств. Вычислительные системы и сети. Параллельные вычисления. Квантовые компьютеры
Спец.(статьи,препринты) = Ц 849 - Искусственный интеллект. Теория и практика
ОИЯИ = ОИЯИ (JINR)2026