訂閱
糾錯(cuò)
加入自媒體

深度解讀《人工智能的可解釋性》


可解釋性人工智能的應(yīng)用場(chǎng)景

人工智能的可解釋性為使用它的人,使用它的產(chǎn)業(yè),提供了一種信任的基礎(chǔ)。有了這樣的基礎(chǔ),AI才可以在更廣的范圍內(nèi)發(fā)揮它更大的作用。那當(dāng)不同的人工智能模型組成一個(gè)復(fù)雜的系統(tǒng)時(shí),我們?cè)撊绾误w現(xiàn)整個(gè)系統(tǒng)的可解釋性?

主講嘉賓:Element AI 聯(lián)合創(chuàng)始人、首席科學(xué)官  Nicolas Chapados博士

舉個(gè)例子:

我們使用計(jì)算機(jī)視覺對(duì)圖像進(jìn)行學(xué)習(xí)和分析,來(lái)判斷圖像當(dāng)中哪些是狼,哪些是哈士奇。在左下角的這幅圖里,這個(gè)算法錯(cuò)誤的把一只哈士奇當(dāng)作了狼。這是因?yàn)槲覀冊(cè)谶x擇培訓(xùn)數(shù)據(jù),也就是這些圖片的時(shí)候,大部份狼的圖片背景中是雪地。于是這個(gè)計(jì)算機(jī)視覺的人工智能算法一下就偵測(cè)到了這個(gè)非常明顯的區(qū)別,將這個(gè)區(qū)別作為他判斷是狼還是哈士奇的一個(gè)標(biāo)準(zhǔn),而不是專注于狼和哈士奇面部的一些細(xì)微的區(qū)別。如果我們事前不知道培訓(xùn)數(shù)據(jù)里的這樣的區(qū)別,僅僅基于這個(gè)計(jì)算機(jī)視覺所給我們的結(jié)果,我們非常難發(fā)現(xiàn)機(jī)器視覺是如何犯下這樣的錯(cuò)誤的。

不同的企業(yè)不同的公司,都會(huì)遇到類似的問題,那真的可以相信這個(gè)人工智能的系統(tǒng)嗎?從整個(gè)社會(huì)的層面上看,大范圍的使用人工智能的時(shí)候,它是否會(huì)造成一個(gè)我們都無(wú)法想象的結(jié)果?

正確的處理這些疑問和質(zhì)疑的方式是,我們必須將人工智能的可解釋性也涉及到這些系統(tǒng)和算法中去。

舉個(gè)例子:

聲明: 本文由入駐維科號(hào)的作者撰寫,觀點(diǎn)僅代表作者本人,不代表OFweek立場(chǎng)。如有侵權(quán)或其他問題,請(qǐng)聯(lián)系舉報(bào)。

發(fā)表評(píng)論

0條評(píng)論,0人參與

請(qǐng)輸入評(píng)論內(nèi)容...

請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字

您提交的評(píng)論過于頻繁,請(qǐng)輸入驗(yàn)證碼繼續(xù)

  • 看不清,點(diǎn)擊換一張  刷新

暫無(wú)評(píng)論

暫無(wú)評(píng)論

    掃碼關(guān)注公眾號(hào)
    OFweek人工智能網(wǎng)
    獲取更多精彩內(nèi)容
    文章糾錯(cuò)
    x
    *文字標(biāo)題:
    *糾錯(cuò)內(nèi)容:
    聯(lián)系郵箱:
    *驗(yàn) 證 碼:

    粵公網(wǎng)安備 44030502002758號(hào)