0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

淺談機(jī)器學(xué)習(xí)模型的可解釋性和透明性

454398 ? 來(lái)源:機(jī)器之心 ? 作者:YuZhang ? 2021-01-05 14:02 ? 次閱讀

XAI 主要解決以下問(wèn)題:對(duì)于使用者而言某些機(jī)器學(xué)習(xí)模型如同黑盒一般,給它一個(gè)輸入,決策出一個(gè)結(jié)果。比如大部分深度學(xué)習(xí)的模型,沒(méi)人能確切知道它決策的依據(jù)以及決策是否可靠。如圖 1 的 output 所示,為一般網(wǎng)絡(luò)給出的決策,缺乏可解釋性的結(jié)果讓使用者感到困惑,嚴(yán)重限制了其在現(xiàn)實(shí)任務(wù)中的廣泛應(yīng)用。

o4YBAF_0AJuAZRsxAAH_ezRJoDs981.png

圖 1 如今的深度學(xué)習(xí) [1]

所以為了提高機(jī)器學(xué)習(xí)模型的可解釋性和透明性,使用戶(hù)和決策模型之間建立信任關(guān)系,近年來(lái)學(xué)術(shù)界進(jìn)行了廣泛和深入的研究并提出了可解釋的機(jī)器學(xué)習(xí)模型。如圖 2,模型在決策的同時(shí)給出相應(yīng)的解釋?zhuān)垣@得用戶(hù)的信任和理解。

pIYBAF_0AKiAItuOAAH7ey5CL0A419.png

圖 2 可解釋的機(jī)器學(xué)習(xí) [1]

對(duì)于機(jī)器學(xué)習(xí)模型來(lái)說(shuō),我們常常會(huì)提到2個(gè)概念:模型準(zhǔn)確性(accuracy)和模型復(fù)雜度(complexity)。模型的復(fù)雜度與準(zhǔn)確性相關(guān),又與模型的可解釋性相對(duì)立。因此我們希望找到一種模型如圖 3 所示,具有可解釋性的同時(shí)盡可能保證模型的準(zhǔn)確性和復(fù)雜度。
編輯:hfy

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
收藏 人收藏

    評(píng)論

    相關(guān)推薦

    機(jī)器學(xué)習(xí)模型可解釋性的結(jié)果分析

    模型可解釋性機(jī)器學(xué)習(xí)領(lǐng)域的一個(gè)重要分支,隨著 AI 應(yīng)用范圍的不斷擴(kuò)大,人們?cè)絹?lái)越不滿足于模型的黑盒特性,與此同時(shí),金融、自動(dòng)駕駛等領(lǐng)域
    發(fā)表于 09-28 10:17 ?898次閱讀
    <b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b><b class='flag-5'>模型</b><b class='flag-5'>可解釋性</b>的結(jié)果分析

    什么是“可解釋的”? 可解釋性AI不能解釋什么

    通過(guò)建立既可解釋又準(zhǔn)確的模型來(lái)改良這種錯(cuò)誤的二分法。關(guān)鍵是將神經(jīng)網(wǎng)絡(luò)與決策樹(shù)相結(jié)合,在使用神經(jīng)網(wǎng)絡(luò)進(jìn)行低級(jí)決策時(shí)保留高級(jí)的可解釋性。
    發(fā)表于 05-31 10:51 ?8425次閱讀

    機(jī)器學(xué)習(xí)模型的“可解釋性”的概念及其重要意義

    如果考察某些類(lèi)型的“事后可解釋性”(post-hoc interpretable),深度神經(jīng)網(wǎng)絡(luò)具有明顯的優(yōu)勢(shì)。深度神經(jīng)網(wǎng)絡(luò)能夠學(xué)習(xí)豐富的表示,這些表示能夠可視化、用語(yǔ)言表達(dá)或用于聚類(lèi)。如果考慮對(duì)可解釋性的需求,似乎線性
    的頭像 發(fā)表于 07-24 09:58 ?2w次閱讀

    神經(jīng)網(wǎng)絡(luò)可解釋性研究的重要日益凸顯

    神經(jīng)網(wǎng)絡(luò)的可解釋性,從經(jīng)驗(yàn)主義到數(shù)學(xué)建模
    的頭像 發(fā)表于 06-27 10:54 ?5185次閱讀

    Explainable AI旨在提高機(jī)器學(xué)習(xí)模型可解釋性

    Google Cloud AI戰(zhàn)略總監(jiān)Tracy Frey在 今天的博客中解釋說(shuō),Explainable AI旨在提高機(jī)器學(xué)習(xí)模型可解釋性
    的頭像 發(fā)表于 03-24 15:14 ?2896次閱讀

    詳談機(jī)器學(xué)習(xí)的決策樹(shù)模型

    決策樹(shù)模型是白盒模型的一種,其預(yù)測(cè)結(jié)果可以由人來(lái)解釋。我們把機(jī)器學(xué)習(xí)模型的這一特性稱(chēng)為
    的頭像 發(fā)表于 07-06 09:49 ?3532次閱讀
    詳談<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>的決策樹(shù)<b class='flag-5'>模型</b>

    機(jī)器學(xué)習(xí)模型可解釋性的介紹

    模型可解釋性方面的研究,在近兩年的科研會(huì)議上成為關(guān)注熱點(diǎn),因?yàn)榇蠹也粌H僅滿足于模型的效果,更對(duì)模型效果的原因產(chǎn)生更多的思考,這...
    的頭像 發(fā)表于 12-10 20:19 ?719次閱讀

    圖神經(jīng)網(wǎng)絡(luò)的解釋性綜述

    :https://arxiv.org/pdf/2012.15445.pdf 參考文獻(xiàn) 0.Abstract近年來(lái),深度學(xué)習(xí)模型可解釋性研究在圖像和文本領(lǐng)域取得了顯著進(jìn)展
    的頭像 發(fā)表于 04-09 11:42 ?2638次閱讀
    圖神經(jīng)網(wǎng)絡(luò)的<b class='flag-5'>解釋性</b>綜述

    《計(jì)算機(jī)研究與發(fā)展》—機(jī)器學(xué)習(xí)可解釋性

    伴隨著模型復(fù)雜度的增加,機(jī)器學(xué)習(xí)算法的可解釋性越差,至今,機(jī)器學(xué)習(xí)
    發(fā)表于 01-25 08:35 ?1039次閱讀
    《計(jì)算機(jī)研究與發(fā)展》—<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>的<b class='flag-5'>可解釋性</b>

    關(guān)于機(jī)器學(xué)習(xí)模型的六大可解釋性技術(shù)

    本文介紹目前常見(jiàn)的幾種可以提高機(jī)器學(xué)習(xí)模型可解釋性的技術(shù)。
    的頭像 發(fā)表于 02-26 17:20 ?2128次閱讀
    關(guān)于<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b><b class='flag-5'>模型</b>的六大<b class='flag-5'>可解釋性</b>技術(shù)

    機(jī)器學(xué)習(xí)模型可解釋性算法詳解

    本文介紹目前常見(jiàn)的幾種可以提高機(jī)器學(xué)習(xí)模型可解釋性的技術(shù),包括它們的相對(duì)優(yōu)點(diǎn)和缺點(diǎn)。
    的頭像 發(fā)表于 02-16 16:21 ?4569次閱讀
    <b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b><b class='flag-5'>模型</b>的<b class='flag-5'>可解釋性</b>算法詳解

    使用RAPIDS加速實(shí)現(xiàn)SHAP的模型可解釋性

      模型解釋性 幫助開(kāi)發(fā)人員和其他利益相關(guān)者理解模型特征和決策的根本原因,從而使流程更加透明。能夠解釋
    的頭像 發(fā)表于 04-21 09:25 ?2375次閱讀

    可解釋機(jī)器學(xué)習(xí)

    可解釋機(jī)器學(xué)習(xí)
    發(fā)表于 06-17 14:41 ?1次下載

    人工智能可解釋性規(guī)制面臨的問(wèn)題分析

    在實(shí)踐中,人工智能的規(guī)?;瘧?yīng)用推廣,在很大程度上依賴(lài)于用戶(hù)能否充分理解、合理信任并且有效管理人工智能這一新型伙伴。為此,確保人工智能產(chǎn)品、服務(wù)和系統(tǒng)具有透明性(Transparency)與可解釋性(Explainability)是至關(guān)重要的。
    的頭像 發(fā)表于 08-09 10:04 ?1420次閱讀

    可以提高機(jī)器學(xué)習(xí)模型可解釋性技術(shù)

    本文介紹目前常見(jiàn)的幾種可以提高機(jī)器學(xué)習(xí)模型可解釋性的技術(shù),包括它們的相對(duì)優(yōu)點(diǎn)和缺點(diǎn)。
    的頭像 發(fā)表于 02-08 14:08 ?1138次閱讀