AI究竟是如何做出决定的?谷歌研究员在探索

  • 时间:
  • 浏览:0
  • 来源:极速快3_快3新平台_极速快3新平台

据《纽约时报》报道,所谓的神经网络大大推动了人工智能的发展,但理解计算机如何作出决策却十分困难。谷歌的研究人员正在学习机器是如何学习的。

左边是呈现给神经网络的图像,该网络被训练来鉴别图像中的物体,比如辨别图像里是不是含晒 花瓶肯能柠檬。右边是可视化的图像,显示神经网络里边的一层在图像的每个位置检测到的东西。神经网络似乎在检测花瓶状图案和柠檬状物体。

机器正在开始英语 了了英文当事人学习执行任务。它们在鉴别面孔,识别口语词汇,查看医学扫描图,甚至展开它们当事人的对话。

原始图像以及神经网络就看它后形成的三张可视化图像。网络的第一层主就是我检测边缘和颜色。好多好多 的层开始英语 了了英文识别更为繁复的概念,如花朵、花瓶和柠檬。

所哪些地方地方地方任务都不 通过所谓的神经网络来完成的,哪些地方地方网络属于繁复的计算机算法,是通过分析海量的数据来学习执行任务。因此,哪些地方地方神经网络带来了一一三个白 多科学家正试图外理的难题:判断机器如何得出结论这样 多总爱一件容易的事情。

周二,谷歌的一一三个白 多团队朝着外理什儿 难题迈出了一小步。许多人所展示的新研究成果,为宜描述了显示机器如何作出它们的决策的技术。

神经元组自动法学会一齐表示图像中的概念。三个白 神经元组似乎分别对应于花朵、花瓶盖子、瓶身、背景和柠檬。热图显示每个神经元组在图像上的位置。

谷歌研究员克里斯托弗·奥拉(Christopher Olah)指出,“即使就是我就看机器作出决策的一帕累托图过程,你就是能形成好多好多 关于它失效的潜在土办法的了解。”

这样 来太大的AI研究人员在开发更好地理解神经网络的土办法。目前供职于打车服务巨头Uber人工智能实验室的美国怀俄明州立大学教授杰夫·克兰(Jeff Clune)将之类 技术称作“人造神经科学”。

神经网络一三个白 多不同的层上的神经元组和输出分类。线条显示哪些地方神经元组支持或抑制里边的神经元组肯能输出分类。之类 ,“柠檬”分类得到了一一三个白 多黄色的柠檬式的组的强力支持。

理解哪些地方地方系统如何运作将变得更加重要,肯能它们所做的决策目前是由人类来作出的,比如谁获得工作,自动驾驶汽车如何应对紧急请况。

神经网络概念最早在20世纪3000年代被提出,它旨在模拟大脑中的神经元网络。但那就是我一一三个白 多粗略的之类 。哪些地方地方算法真的是一连串的数学计算,每个操作都代表一一三个白 多神经元。谷歌的新研究,意在以深度可视的土办法展示哪些地方地方数学计是不是如何执行离散的任务的,如识别照片中的物体。

“花瓶”分类获得了分别代表花、花瓶盖子和背景的神经元组的支持。

在神经网络内,每个神经元总要去识别照片中肯能出现的特定型态,比如从特定深度从右到左弯曲的线条,肯能合并形成更大型态的多条线条。谷歌希望提供工具来显示每个神经元在试图识别哪些地方东西,哪些地方神经元识别成功,以及它们的努力如何一齐判断照片中实际上哪些地方地方——肯能是小狗、燕尾服或小鸟。

奥拉表示,谷歌正在讨论的什儿 技术肯能都不 助于判断神经网络为哪些地方容易出错,以及在写请况中解释它是如何习得什儿 行为的。包括克兰在内的好多好多 研究人员认为,该类技术还助于最大限度地减少“对抗样本”的威胁,比如某人肯能通过篡改图像来欺骗神经网络。

研究人员坦言,这项研究仍居于起步阶段。同样供职于Uber人工智能实验室的Jason Yosinski认为谷歌的技术理念“是顶级的”。Uber的AI实验室产生于该公司收购回来的初创公司Geometric Intelligence。不过Jason Yosinski也警告称,理解计算机思维肯能永远都不 会变容易。

“在有一种 程度上,随着哪些地方地方网络变得这样 繁复,要理解它们为哪些地方做出决策将变得极其困难,”许多人说道,“这特别像试图理解人类为哪些地方做出好多好多 决策。”