AI 基于神经网络模型的算法使机器学习透明化 黑箱难题怎么破 (ai神经网络介绍)

 AI 黑箱难题怎么破?基于神经网络模型的算法使机器学习透明化 编者按:人们可以训练人工智能 (AI)和机器人完成任务,但整个过程在黑箱中运作。我们并不知道 AI 和机器人是如何决策的。一家名为 OptimizingMind 的初创公司想要解决这个问题。这篇文章将讲述该公司对建立透明 AI 决策过程的愿景和大胆尝试。本文发表于 TechRepublic,作者Hope Reese,原标题《 Transparent machine learning: How to create 'clear-box' AI

AI 领域的下一个大事件并不是教会 AI 完成某项任务,而是让机器向人们解释为什么它们做出了某项决策。 比方说,一个机器人决定走一条特定路线去仓库,又比如,一辆无人驾驶汽车决定向左或向右转。我们怎么知道 AI 为什么做出这些决定?

卡内基梅隆大学计算机科学教授 Manuela Veloso 是研究协作机器人的专家。他表示,能解释自身行为的 AI 对赢得大众对人工智能的信任至关重要。“我们需要质疑为什么算法程序会做出这样那样的决定,如果我们不在 AI 动机解释上花功夫,就无法信任这个智能系统。”

为解决该问题, 创业公司 OptimizingMind 发明了一项能观察智能机器决策过程的技术。

这个算法的目的是创造 “透明访问”系统,以呈现机器学习是如何做出预期(expectations)的。OptimizingMind 的负责人 Tsvi Achler 说:

有着神经科学、医药和计算机科学多重学科背景的 Achler 认为,我们能从人脑如何作出和解释决策中学习到很多(应用到 AI 的知识)。

“我感兴趣的是,大脑和计算机的共同点在哪里?为什么人脑可以在学会任何模型之后把它解释出来。如果我说 ‘章鱼’,你是否能告诉我那是什么?如果我问章鱼触手长什么样,你能告诉我吗?”

人能做到,AI 为什么不行?

他说,当人类观察到一个新模式(或规律)的时候,会立刻学会那个模式。这对 AI 暂时还不可能。 AI 的学习方法被称为批量学习。如果你想要对 AI 加入一个新模式或者新注解,你必须从头开始把所有的新旧模式重新教一遍。

Achler 开发的算法呈现出神经科学里的 “爆裂” 现象。当人观察到一个新模式时,多个神经元被同时激发,然后它们沉寂下来。当你向某人展示一个模式的时候,下一瞬间会发生神经兴奋,之后逐渐地平静下来。在这个算法里你会看到同样的事情。

实际上,这种研究方式是对传统机器学习进行了重新思考,Achler 认为该过程就像深度学习、感知器、支持向量机(SVM) 、 卷积神经网络(CNN)、递归神经网络(RNN)、反向传播等研究一样。研究者们并没有打算解决即时学习这一难题。 “这项技术的目的非常明确,那就是尝试解释 AI 是怎样思考的。没有人想过如何让系统变得更灵活或是更具可信度,而它的整体目标是让 AI 决策更容易被访问。”

OptimizingMind 是一种以人脑运行方式为基础的算法,旨在使开发者能“观察到系统内部,理解它们(AI 系统)在干什么,并且很方便地编辑它们,而无需从头开始训练”。这能让机器学习“一步到位”,而神经网络马上就能学会。举例来说,人们能告诉 Siri 某一个词的定义,然后它会被存储起来。今天神经网络还达不到这一点,它们需要用无数案例不断训练学习。

所以 “透明访问”系统是什么意思呢?根据 Achler 的说法, 这个系统提供了一种实时观察 AI 决策的方法。 它可以访问权重、特点和节点,提供能读取这些信息的灵活性,并且能改写它们。最终,这个系统能让我们理解神经网络是怎么做出一个决策的。这个工具能帮助工程师们大幅减少机器开发的时间,帮企业节省资源。

此外 Achler 还表示,在提供透明度之外,这个算法还可以被修改。不但预期(expectations)能被表达出来,每个单独预期还能随着新信息立刻改变。

今天,大多数机器学习的方法使用一个正反馈(feedforward)技术。风险投资公司 Naiss.io 的联合创始人 Ed Fernandez 说,正反馈使用优化过的权重执行任务。在正反馈系统里,独特性信息( uniqueness information)依据训练中出现的频率被录入权重。这意味着整套训练中的权重必须经过优化。这又意味着 OptimizingMind 可以“根据正在被识别的模式执行优化”,这不是为了权重而优化,而是为了模式识别去优化。

当机器学习与商业更紧密结合,并成为无人驾驶和其他极其重要科技的基石,理解机器学习中到底发生了什么就变得至关重要。事实上, DARPA 最近启动了一项对可解释 AI (XAI,explainable artificial intelligence) 的投资。

正如 Veloso 教授说的:“我们不能假定 AI 系统完美无缺。”我们必须从 AI 的错误中学习。Veloso 表示,“如果某天发生了一起 AI 事故,我们必须避免它再次发生。”

via techrepublic

推荐阅读:

神经网络算法Batch Normalization的分析与展望 | 大牛讲堂

人工智能和深度学习的下一个风口在哪里?——余凯丨微软亚洲研究院院友会 (含22页PPT)

机器人也有好奇心,还能自己设定学习目标

原创文章,未经授权禁止转载。详情见 转载须知 。

 AI 黑箱难题怎么破?基于神经网络模型的算法使机器学习透明化

全局中部横幅
设计师网

中国设计师网,隶属于北京赛尔文化传媒有限公司,服务于工程技术设计人员。为电气设计师、照明设计师、暖通设计师提供专业的技术交流平台。

在线XML转JSON,JSON转XML

XML-JSON转换工具,WEB调试完后,可将XML文档压缩,加快文本在网络中的传输速度。

【应用商店】

【应用商店】,vivo应用商店

马洲商城

马洲商城|马洲贸易网

欧高智创

欧高智创专注显示设备解决方案,是一家构建集研发、设计、生产、加工、销售于一体的专业工厂,有多年智慧液晶显示设备、LCD/LED显示器、高亮液晶显示模组、常规液晶显示模组、新能源广告机、物联网硬件/智能模块/云控系统的开发与应用等各类软硬件经验,欢迎来电咨询为您免费提供一站式定制化解决方案!

张家港市星帮尼环保科技有限公司

废水处理是一个复杂的过程,旨在减少水中的污染,使其达到排放标准或进行再利用。这个过程通常包括物理、化学和生物三种方法。

电路板拆解

专业从事电路板拆解,重金属回收,电器拆解,荧光粉以及pcb线路板的生产和销售,欢迎来电咨询

“e维权”一站式纠纷解决服务平台

易维权-多元化一站式纠纷解决服务平台(onlinedisputeresolution,简称ODR)服务是为了线上快速解决纠纷,遵循行业标准,联合业界专业人员,为企业及其消费者 提供的包括在线法律咨询、消费投诉、协商和解、调解、仲裁的一站式纠纷处理服务平台,无需进行法律诉讼(不打官司)快捷解决纠纷。简称,快速纠纷解决服务

免费su模型库

草图溜溜官网是一个专注于提供高质量草图模型的免费平台。我们每日更新大量SketchUp-SU模型,包括建筑、景观园林和家装等多个领域。无需登录,即可免费下载SU素材。探索我们的skp模型库,发现精彩的设计灵感!www.caotu66.com

电商运营指导

山东卓塍网络科技服务有限公司,行业领先的电商代运营服务公司,超五百人运营团队,七年行业经验,专注网店代运营服务,一站式托管运营,为您提供专业的淘宝,拼多多,天猫,京东,天猫国际,京东国际等代运营服务。

爱试卷

欢迎来到中小学免费试卷资源下载网——您的专属免费试卷下载宝库。我们致力于提供最新免费学习资料和一站式学习资料库,覆盖小学初中全科试卷下载及各学科测试卷集锦。在这里,您可以轻松找到按学科分类试卷库和中小学精选试题库,无论是数学、语文还是英语,我们都有精细学科试卷分类供您选择。

湖南益阳移栽全冠香樟树,丛生多杆,全冠朴树栾树,香橼树

湖南益阳香樟树基地坐落于中国香樟之乡,本基地长期提供:全冠香樟树,移栽香樟树,丛生多杆香樟树,丛生多杆朴树,全冠栾树,丛生多杆栾树,丛生香橼树,全冠香橼树,价格优惠。

全局底部横幅