يطلب عملاء أنظمة التعلم الآلية المساءلة من الشركات التي توظف هذه الخوارزميات لمهام التنبؤ المختلفة. تتطلب المساءلة فهم حدود النظام وحالة التنبؤات الخاطئة، حيث غالبا ما يهتم العملاء بفهم التنبؤات غير الصحيحة، يتم امتصاص المطورين النموذجيين في العثور ع
لى طرق يمكن استخدامها للحصول على تحسينات تدريجية على نظام موجود. لذلك، نقترح طريقة توصيف خطأ مسؤولة، AEC، لفهم متى وحيث تحدث الأخطاء ضمن النماذج النسخة السوداء الموجودة. يسمح AEC، كما شيدت مع ميزات لغوية مفهومة للإنسان، المطورين النموذجيين لتحديد المصادر الرئيسية تلقائيا من الأخطاء لنظام تصنيف معين. يمكن استخدامه أيضا للعينة لمجموعة نقاط الإدخال الأكثر تفاعيمية في الجولة التالية من التدريب. نقوم بإجراء اكتشاف خطأ لمهمة تحليل المعنويات باستخدام AEC كدراسة حالة. تظهر نتائجنا على مهمة مشاعر العينة أن AEC قادر على تمييز التنبؤات الخاطئة في فئات غير قابلة للفطرة البشرية وتحقق أيضا نتائج واعدة على اختيار العينات الخاطئة بالمقارنة مع أخذ العينات القائمة على عدم اليقين.
