由于#人工智能[超话]# 发展过程中与日俱增的复杂性和不透明性，人类对人工智能(AI)技术的应用在很大程度上受到了阻碍。为了搭建起高性能黑盒AI模型与人类理解之间的桥梁，人们利用各种方法和工具开发出可解释的人工智能(XAI)技术。然而，目前XAI技术的应用仍然缺乏"以人为本"理念的指导，难以在实践应用中准确地设计满足不同利益相关者需求的解决方案。#浙江大学# 孔祥维教授团队首先通过回顾现有研究，总结出一个以人为本的需求框架，将不同利益相关者群体分为五种具备特定需求的关键角色，并总结了六种常用的以人为中心的XAI评估方法，用以评估XAI对于满足不同角色利益相关者需求的效果。此外，文章还针对视觉计算领域现有的XAI方法做了分类，对不同类方法的特性进行了分析和梳理。文章以更明确的人类需求和XAI方法特性为出发点，以医学图像诊断场景为例，概述了如何更好地应用视觉计算领域XAI方法在实践中满足利益相关者以人为中心的具体需求。文章还对开源XAI工具供利益相关者使用的可行性进行了检验。该综述为在具体应用中将不同人类需求与恰当的XAI方法或工具相匹配提供了进一步指导，并总结了在实践中实现以人为本的XAI所面临的主要挑战和未来工作。#人工智能##深度学习[超话]##深度学习# http://t.cn/A6RCJdW2