Ученый-компьютерщик исследует интерпретируемое машинное обучение, разрабатывает ИИ, чтобы объяснить свои открытия. | Журнал "Вольт"
Чт. Ноя 26th, 2020


ай

Кредит: Pixabay / CC0 Public Domain

Искусственный интеллект помогает ученым делать открытия, но не все могут понять, как он приходит к своим выводам. Один компьютерный ученый из UMaine разрабатывает глубокие нейронные сети, которые объясняют свои открытия способами, понятными пользователям, применяя его работу в биологии, медицине и других областях.

Интерпретируемое машинное обучение, или ИИ, который создает объяснения полученных результатов, определяет фокус исследования Чаофан Чена. Доцент кафедры информатики говорит, что интерпретируемое машинное обучение также позволяет ИИ сравнивать изображения и делать прогнозы на основе данных и в то же время уточнять свои рассуждения.

Ученые могут использовать интерпретируемое машинное обучение для множества приложений, от идентификации птиц на изображениях для исследований дикой природы до анализа маммограмм.

«Я хочу повысить прозрачность глубокого обучения и хочу, чтобы глубокая нейронная сеть объясняла, почему что-то такое, как оно думает», – говорит Чен. «Многие люди начали понимать, что глубокая нейронная сеть похожа на черный ящик, и людям нужно начать выяснять, как открыть черный ящик».

Чен начал разрабатывать интерпретируемые методы машинного обучения, когда учился в Университете Дьюка, где в мае получил докторскую степень в области компьютерных наук.

Ученый-компьютерщик исследует интерпретируемое машинное обучение, разрабатывает ИИ, чтобы объяснить свои открытия.

Предоставлено: Университет штата Мэн.

Прежде чем присоединиться к UMaine, Чен и его коллеги из Duke разработали архитектуру машинного обучения, известную как прототипная сеть компонентов (ProtoPNet), чтобы определять и классифицировать птиц на фотографиях, а затем объяснять полученные результаты. ProtoPNet, которую команда завершила в прошлом году, объяснит, почему идентифицированная птица была птицей и почему она олицетворяет особый тип птиц.

Исследователи обучили ProtoPNet определять, что за птица на фотографии. Например, ИИ будет изучать набор прототипных характеристик, характеризующих каждый вид птиц, и сравнивать различные части изображения птицы с этими прототипными характеристиками, характерными для различных видов птиц. Например, ProtoPNet будет сравнивать то, что, по ее мнению, является головой птицы на изображении, с головами прототипов птиц из различных классов птиц. По словам Чена, используя сходство с прототипными чертами вида птиц, ProtoPNet может объяснить, почему на изображении был изображен конкретный вид птиц.

Команда поделилась своими выводами в документе, представленном на 33-й конференции по системам обработки нейронной информации в прошлом году в Ванкувере, Канада.

«Это очень наглядный способ оценить весь процесс рассуждения … что« эта птица – воробей цвета глины, потому что он содержит части, которые являются прототипом воробья глиняного цвета », – говорит Чен. «Распознавание птиц – популярный эталон для детальной классификации изображений, поэтому я подумал, что это будет хорошая демонстрация нашей техники».

Ученый из UMaine начал еще одно исследование ИИ с коллегами и студентами из Университета Дьюка, изучающих, как они могут применить ProtoPNet для проверки маммограмм на наличие признаков рака груди.

ProtoPNet, однако, изо всех сил пытается сосредоточиться на важнейших частях маммограммы для выявления признаков рака груди, так как ей не хватает подготовки врачей, говорит Чен. Команда обучит сеть оценивать маммограммы, как медицинский работник, а также изучать и определять важные закономерности на изображениях.

Партнерами Чена по проекту, все из Университета Дьюка, являются доктора философии. студенты Алина Джейд Барнетт и Йинхао Рен, студентка Чаофан Тао, профессор компьютерных наук Синтия Рудин, профессор и заместитель председателя по исследованиям и радиологии Джозеф Ло, и постдокторский исследователь радиологии Фидес Регина Шварц.

«Это имеет реальное влияние», – говорит Чен. «Мне определенно нравится видеть, как мои работы вносят положительный вклад в жизнь общества».

Исследование Чена совпадает с инициативой UMaine AI, попыткой превратить штат в центр мирового уровня для исследований и образования в области искусственного интеллекта и разработать решения на основе ИИ, которые улучшают социальное и экономическое благополучие.

«Мне приятно видеть не только способность (ИИ) предсказывать что-то и хорошо предсказывать, но и подражать человеческому мышлению», – говорит он.


Этот орнитолог с искусственным интеллектом позволяет вам “ видеть ” глазами машины


Дополнительная информация:
Это выглядит так: глубокое обучение для распознавания интерпретируемых изображений: paper.nips.cc/paper/9095-this… mage-распознавание.pdf

Предоставлено Университетом штата Мэн

Цитирование: Ученый-компьютерщик исследует интерпретируемое машинное обучение, разрабатывает ИИ для объяснения своих открытий (2020 г., 4 ноября). Данные получены от 4 ноября 2020 г. по адресу https://techxplore.com/news/2020-11-scientist-machine-ai-discoveries.html

Этот документ защищен авторским правом. За исключением честных сделок с целью частного изучения или исследования, воспроизведение какой-либо части без письменного разрешения запрещено. Контент предоставляется только в информационных целях.



Source link

от volt

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *