神经网络无法实现可解释 重温三十年前对于 NN AI 的批判 (神经网络无法收敛)

美国东北大学体验式人工智能研究所的高级研究科学家 Walid S. Saba从组合语义的角度出发,提出一个观点:深度学习无法构造一个 可逆的 组合语义,所以它无法实现可解释AI。



可解释AI (XAI)

随着深度神经网络 (DNN) 用于决定贷款批准、工作申请、批准法院保释等与人们利益息息相关或者一些生死攸关的决定(例如在高速公路上突然停车),去解释这些决定,而不仅仅是产生一个预测分数,是至关重要的。

可解释人工智能 (XAI) 的研究最近集中在反事实(counterfactual)例子的概念上。这个想法很简单:首先制造一些有预期输出的反事实样例并输入到原来的网络中;然后,读取隐层单元解释为什么网络会产生一些其他输出。更正式地说:

“返回分数 p 是因为变量 V 具有与其关联的值 (v1, v2, ...)。如果 V 具有值 (v′1 , v′2 , ...),并且所有其他变量保持不变, 分数 p' 会被返回。”

下面则是更加具体的一个例子:

“你被拒绝贷款是因为你的年收入是 30,000 英镑。如果你的收入是 45,000 英镑,你就会获得贷款。”

然而,一篇由Browne 和 Swift提出的论文[1] (以下简称 B&W)最近表明,反事实示例只是稍微更有意义的对抗性示例,这些示例是通过对输入执行小的且不可观察的扰动而产生的,从而导致网络对它们进行错误分类具有很高的自信度。

此外,反事实的例子「解释」了一些特征应该是什么才能得到正确的预测,但「没有打开黑匣子」;也就是说,没有解释算法是如何工作的。文章继续争辩说,反事实的例子并没有为可解释性提供解决方案,并且「没有语义就没有解释」。

事实上,文章甚至提出了更强有力的建议:

1)我们要么找到一种方法来提取假定存在于网络隐藏层中的语义,要么

而Walid S. Saba本人则对(1)持悲观态度,换句话说他遗憾地承认我们的失败,以下是他的理由。




Fodor 和 Pylyshyn 的「鬼魂」

虽然大众完全同意B&W的观点,即“没有语义就没有解释”,但解释深度神经网络中隐藏层表示的语义为深度学习系统产生令人满意的解释的希望之所以不能够实现,作者认为,原因正是出自三十多年前Fodor 和 Pylyshyn [2]中概述的原因。

重温三十年前对于 NN 的批判:神经网络无法实现可解释 AI

Walid S. Saba接着论证到:在解释问题出在哪里之前,我们需要注意到,纯粹的外延模型(例如神经网络)不能对系统性(systematicity)和组合性(compositionality)进行建模,因为它们不承认具有可再衍生的句法和相应语义的符号结构。

因此,神经网络中的表示并不是真正与任何可解释的事物相对应的“符号”——而是分布的、相关的和连续的数值,它们本身并不意味着任何可以在概念上解释的东西。

用更简单的术语来说,神经网络中的子符号表示本身并不指代人类在概念上可以理解的任何事物(隐藏单元本身不能代表任何形而上学意义的对象)。相反,它是一组隐藏单元,它们通常共同代表一些显着特征(例如,猫的胡须)。

但这正是神经网络无法实现可解释性的原因,即因为几个隐藏特征的组合是不可确定的——一旦组合完成(通过一些线性组合函数),单个单元就会丢失(我们将在下面展示)。




可解释性是“反向推理”

DNN无法逆向推理

作者讨论过为什么 Fodor 和 Pylyshyn 得出的结论是 NN 不能对系统性(因此是可解释的)推论进行建模[2]。

在符号系统中,有定义明确的组合语义函数,它们根据成分的意义计算复合词的意义。但是这种组合是可逆的——

也就是说,人们总是可以得到产生该输出的(输入)组件,并且正是因为在符号系统中,人们可以访问一种“句法结构”,这一结构含有如何组装组件的地图。而这在 NN 中都并非如此。一旦向量(张量)在 NN 中组合,它们的分解就无法确定(向量(包括标量)可以分解的方式是无限的!)

为了说明为什么这是问题的核心,让我们考虑一下 B&W 提出的在 DNN 中提取语义以实现可解释性的建议。B&W 的建议是遵循以下原则:

输入图像被标记为“建筑”,因为通常激活轮毂盖的隐藏神经元 41435 的激活值为 0.32。如果隐藏神经元 41435 的激活值为 0.87,则输入图像将被标记为“汽车”。

要了解为什么这不会导致可解释性,只需注意要求神经元 41435 的激活为 0.87 是不够的。为简单起见,假设神经元 41435 只有两个输入,x1 和 x2。我们现在所拥有的如下图 1 所示:

重温三十年前对于 NN 的批判:神经网络无法实现可解释 AI

图注:拥有两个输入的单一神经元的输出为0.87

现在假设我们的激活函数 f 是流行的 ReLU 函数,那么可以产生 z = 0.87 的输出。这意味着对于下表中显示的 x1、x2、w1 和 w2 的值,可以得到 0.87 的输出。

重温三十年前对于 NN 的批判:神经网络无法实现可解释 AI

表注:多种输入方式都可以产生0.87的数值

查看上表,很容易看出 x1、x2、w1 和 w2 的线性组合有无数个,它们会产生输出 0.87。这里的重点是 NN 中的组合性是不可逆的,因此无法从任何神经元或任何神经元集合中捕获有意义的语义。

为了与 B&W 的口号“没有语义就没有解释”保持一致,我们声明永远无法从 NN 获得任何解释。简而言之,没有组合性就没有语义,没有语义就没有解释,DNN 无法对组合性进行建模。这可以形式化如下:

1. 没有语义就没有解释[1]2. 没有可逆的组合性就没有语义[2]

3. DNN 中的组合性是不可逆的[2]

顺便说一句,DNN 中的组合性是不可逆的这一事实除了无法产生可解释的预测之外还有其他后果,尤其是在需要更高层次推理的领域,如自然语言理解 (NLU)。

特别是,这样的系统确实无法解释一个孩子如何仅从 ( ) 之类的模板中学习如何解释无限数量的句子,因为“约翰”、“邻居女孩”、 “总是穿着T恤来这里的男孩”等都是的可能实例化,还有“经典摇滚”、“成名”、“玛丽的奶奶”、“在海滩上跑步”、 等都是 的所有可能的实例。

因为这样的系统没有“记忆”,而且它们的组成不能颠倒,理论上它们需要无数个例子来学习这个简单的结构。【编者注:这一点正好是乔姆斯基对于结构主义语言学的质疑,并由此开启了影响语言学半个多世纪的转化生成语法。】

最后,作者强调,三十多年前Fodor 和 Pylyshyn [2]提出了对 NN 作为认知架构的批评——他们展示了为什么 NN 不能对系统性、生产力和组合性进行建模,所有这些都是谈论任何“语义”所必须的——而这一令人信服的批评从未得到完美的回答。

随着解决人工智能可解释性问题的需求变得至关重要,我们必须重新审视那篇经典论文,因为它显示了将统计模式识别等同于人工智能进步的局限性。

[1] Browne, Kieran, and Ben Swift. "Semantics and explanation: why counterfactual explanations produce adversarial examples in deep neural networks." arXiv preprint arXiv:2012.10076 (2020).
更多内容,点击下方关注:

重温三十年前对于 NN 的批判:神经网络无法实现可解释 AI 重温三十年前对于 NN 的批判:神经网络无法实现可解释 AI

版权文章,未经授权禁止转载。详情见 转载须知 。

重温三十年前对于 NN 的批判:神经网络无法实现可解释 AI

全局中部横幅
网站排行榜

网站排行榜是站长之家旗下专业提供中文网站排名服务的栏目,收集了国内各行业排名前列的众多知名网站,是国内专业、领先的中文网站排行榜。

绿夏网络科技

海口琼山绿夏网络科技工作室是一家从事网站建设、小程序开发、易语言开发,支付系统开发,支付接口集成等为核心的科技工作室。工作室主要以技术研发创新为主,把握互联网行业的需求,利用互联网核心技术为客户提供安全、稳定、快速便捷的一体化解决方案。

俄罗斯卫星通讯社

俄罗斯卫星通讯社新闻(Sputnik)24小时全天候追踪全球每日热点新闻及时报道国内外最新及重大新闻资讯,内容覆盖国内及国际突发新闻事件。卫星社秉承国际视野,力求及时、客观、权威、独立地报道全球资讯。

双人小游戏,双人小游戏大全,4399双人小游戏全集,4399小游戏

4399双人小游戏大全收录国内外双人类小游戏、免费双人小游戏、双人赛车小游戏、双人闯关小游戏、双人小游戏无敌版、双人打僵尸小游戏。好玩就拉朋友们一起来玩吧!

CSDN

CSDN是全球知名中文IT技术交流平台,创建于1999年,包含原创博客、精品问答、职业培训、技术论坛、资源下载等产品服务,提供原创、优质、完整内容的专业IT技术开发社区.

倚栏轩

倚栏轩提供经典短句、好句子、好文章在线阅读。包括但不限于伤感、优美短句,好句子大全,好文章摘抄等栏目内容。

物流公司

道旭物流公司凭借专业能力及服务意识,为客户提供超值的一体化三方物流服务;并不断地创新服务内容,使客户始终能够体验物流公司提供的“安全、及时高效、优质”的服务,全国服务热线4000116156

临海市新睿电子科技有限公司

临海市新睿电子科技有限公司_从事电机驱动器及电机等机电产品的研发、生产、销售为一体的高科技企业

材数库

材数库提供全球金属材料数据免费查询,已涵盖80+标准体系。涉及材料标准和化学成分、物理、力学性能等数据。快速找到对应的材料牌号及牌号等效组和供货信息

人才职业网

人才职业网rencaijob.com为大型综合型中国及海外全球人才招聘求职网站,提供方向招、团队招、批招批推、招聘会、培训城等招聘求职服务。方向招提供省市国家招聘、行业招聘、毕业生招聘、技工普工招聘、海外全球招聘、外籍招聘、海归招聘、国外工作、一带一路人才招聘、残疾人招聘、退役军人招聘、兼职灵活用工招聘、多语言简历等,以及高级人才猎头服务和招聘外包。

全局底部横幅