Quantifying Information Loss under Coarse-Grained Partitions: A Discrete Framework for Explainable Artificial Intelligence
이 논문은 윤리적 민감도가 높은 AI 시스템의 해석 가능성과 정확성 간의 균형을 위해, 이산적 분할을 통해 정보 손실을 정량화하고 교육 및 XAI 분야에서의 적용 가능성을 제시하는 '거친 분할 (Coarse-Grained Partitions)' 프레임워크를 제안합니다.