生物科學門戶網站
BIO1000.COM

觀鳥AI釋放了計算機視覺的黑匣子

要分辨下一个物种可能需要多年的观鸟经验。但是,杜克大学的研究人员使用一种称为深度学习的人工智能技術,对一台计算机进行了培训,使其仅通过一张照片即可识别多达200种鸟类。

但是,真正的創新在于,AI工具還可以顯示其思維方式,即使是不了解海雀企鵝的人也可以理解。

該團隊通過向其喂食200種鳥類的11788張照片(從遊泳鴨子到徘徊的蜂鳥)來訓練他們的深層神經網絡(基于大腦工作方式的算法)。

研究人員從未告訴網絡“這是喙”或“這些是翼羽”。給定一張神秘鳥的照片,該網絡能夠將圖像中的重要圖案與以前看到的典型物種特征進行比較,從而挑選出圖像中的重要圖案並冒險猜測。

一路走来,它散发出一系列的热图,这些热图本质上说:“这不只是任何鸣鸟。它是一个带帽的鸣鸟,而这里有一些特征-像是蒙面的头和黄腹-可以将它散发出去。 ”

杜克大学计算机科学博士学位学生Chaohao Chen和本科生Oscar Li以及杜克大学教授Cynthia Rudin领导的预测分析实验室的其他团队成员领导了这项研究。

他們發現他們的神經網絡最多可以在84%的時間內識別出正確的物種-與某些表現最好的同行相提並論,後者並沒有揭示他們如何分辨出一只麻雀。下一個。

魯丁說,他們的項目不僅僅是爲鳥類命名。這是關于可視化深度神經網絡在查看圖像時真正看到的內容。

类似的技術被用来标记社交网站上的人,在监视摄像机中发现可疑犯罪分子,并训练自动驾驶汽车来检测交通信号灯和行人之类的东西。

魯丁說,問題在于,衆所周知,大多數計算機視覺的深度學習方法都是不透明的。與傳統軟件不同,深度學習軟件無需顯式編程即可從數據中學習。結果,這些算法在對圖像進行分類時究竟如何“思考”並不總是很清楚。

魯丁(Rudin)和她的同事們試圖證明AI不必那樣做。她和她的實驗室正在設計深度學習模型,用以解釋其預測背後的原因,並明確說明其原因以及提出答案的方式。當這樣的模型出錯時,其內置的透明度使我們可以了解原因。

對于他們的下一個項目,Rudin和她的團隊正在使用他們的算法對乳房X線照片等醫學圖像中的可疑區域進行分類。如果有效,他們的系統將不僅僅幫助醫生檢測出可能是乳腺癌迹象的腫塊,鈣化和其他症狀。它還將顯示其在乳房X光檢查的哪個部分,揭示哪些特定特征最類似于其他患者以前見過的癌性病變。

鄭重聲明:本文版權歸原作者所有,轉載文章僅爲傳播更多信息之目的,如作者信息標記有誤,請第一時間聯系我們修改或刪除,多謝。