تصور کنید یک مدل هوش مصنوعی درخواست وام شما را رد می‌کند؛ در این لحظه شما تنها به دانستن «چرا» نیاز ندارید، بلکه می‌خواهید بدانید دقیقاً چه تغییری در رفتار یا شرایطتان باید ایجاد کنید تا پاسخ مدل در آینده مثبت شود. این نیاز، هسته‌ی اصلی مفهومی به نام بازگشت الگوریتمی (Algorithmic Recourse) است که اکنون با معرفی RecourseBench وارد فاز استانداردسازی شده است.
بسیاری از سیستم‌های تبیین‌پذیری (Explainability) در هوش مصنوعی از یک نقص بنیادین رنج می‌برند: عدم تکرارپذیری. یعنی وقتی ابزاری را به‌روزرسانی می‌کنید یا متدی را تغییر می‌دهید، نتایج قبلی دیگر قابل بازسازی نیستند. همان‌طور که در تحلیل‌های پیشین ما درباره‌ی عدالت در الگوریتم‌ها اشاره کردیم، نبودِ یک معیار پذیرفته‌شده برای مقایسه، باعث شده بود پژوهشگران بر روی چارچوب‌های ایزوله‌ای کار کنند که قابلیت گسترش ندارند. در همین راستا، رویکردهایی مانند ReLiF تلاش کردند با اصلاح خطای مقیاس نمایش، عدالت مطلق را در مدل‌های چندوظیفه‌ای برقرار سازند.
به نقل از گزارش منتشر شده در ۱۵ ژوئن ۲۰۲۶ در arXiv، چارچوب RecourseBench برای حل این بحران، خط لوله‌ی پردازش را به ۵ لایه‌ی مجزا (Decoupled) تقسیم کرده است:
- داده (Data)
- پیش‌پردازش (Preprocessing)
- مدل (Model)
- روش بازگشت (Recourse Method)
- ارزیابی (Evaluation)
این لایه‌ها از طریق یک رجیستری پویا مدیریت می‌شوند. بر اساس مستندات این پروژه، نویسندگان یک سیستم طبقه‌بندی چهارسطحی طراحی کرده‌اند تا هر متد ادغام‌شده را با نتایج گزارش‌شده در مقالات اصلی‌اش تطبیق دهد. همچنین، یک رابط وب تعاملی برای مقایسه‌ی پیکربندی‌های مختلف در معماری‌های گوناگون مدل‌ها فراهم شده است تا نتایج به‌جای توصیفات کیفی، بر اساس اعداد سخت سنجیده شوند.
این چرخش راهبردی، تبیین‌پذیری را از یک «توصیف نظری» به یک «سنجش مهندسی» تبدیل می‌کند. این تغییر رویکرد مشابه الگوی بهینه‌سازی در بنچمارک‌های ارزیابی است، چنان‌که پیش‌تر دیدیم طراحی بازگشتی در DGM منجر به جهشی ۲.۵ برابری در نتایج SWE-bench شد. با جداسازی لایه‌های ارزیابی، RecourseBench اجازه نمی‌دهد مفروضات مدل در روش بازگشت نفوذ کنند؛ امری که در صنایع تحت نظارت (Regulated Industries) که حسابرسی (Auditability) در آن‌ها یک الزام قانونی است، حیاتی خواهد بود.
گام بعدی شما
- اگر روی مدل‌های تصمیم‌گیر در حوزه‌ی مالی یا سلامت کار می‌کنید، این چارچوب را برای اعتبارسنجی روش‌های Counterfactual خود به کار بگیرید.
- بررسی کنید که آیا متدهای مورد استفاده شما در لایه‌ی چهارم RecourseBench تایید شده‌اند یا خیر.
- منتظر به‌روزرسانی‌های مربوط به ادغام معماری‌های مدل‌های بزرگ‌تر در رجیستری پویا باشید.
اما اثر این استانداردسازی بر پذیرش قانونی هوش مصنوعی در اتحادیه اروپا داستانی پیچیده‌تر است؛ در تحلیل‌های آینده به بررسی استانداردهای نظارتی خواهیم پرداخت.
گفتگو