论文介绍
现今，使用人工智能赋能网络游戏已经取得了巨大的成功，然而，忽视黑盒模型的可解释性使得人工智能的责任感降低，阻碍了其进一步发展。在本文中，我们介绍并讨论了在线游戏中XAI（eXplainable AI）的受众和概念。我们提出了一个GXAI工作流，它结合了多视图数据源的强大表现力和多视图黑盒模型的清晰透明度。
我们在人物肖像视图、行为序列视图、客户图像视图和社交图视图中提出了四个特定的分类器和解释器。对游戏作弊检测和玩家流失预测的真实数据集进行的实验表明分类的准确性和解释的合理性。我们还发现并展示了来自个人、本地和全球解释的许多有趣和有价值的发现。我们在网易游戏中实现并部署了证据与推理生成、模型调试与测试、模型压缩与比较三个实际应用，并获得了用户研究的积极评价。
论文地址
https://ieeexplore.ieee.org/abstract/document/9772248
