找回密码

陈根:算法的黑匣子壁垒如何变得透明?e7m

原始标题:陈根:算法的黑匣子屏障如何变得透明?

Wen/ChenGen

在人工智能深度学习的输入数据及其输出答案之间,存在着一个人们无法辨别的"隐藏层"。它被称为"黑匣子"。这里的"黑匣子"不仅意味着无法观察到它,还意味着即使计算机试图向我们解释,人们也无法理解它。

事实上,早在1962年,美国的埃鲁埃尔(Eruel)就在他的《技术学会》一书中指出,人们传统上认为,人类发明的技术必须由人类控制。这是肤浅的,不切实际的。技术的发展通常不受人为控制,甚至技术人员和科学家也无法控制他们发明的技术。

进入人工时代智能,算法的快速发展和自我发展初步验证了Erul的预测,而深度学习则凸显了由"算法黑匣子"现象带来的一定技术障碍。因此,无论是程序错误还是算法区分,在人工智能的深度学习中都变得难以识别。

同时,在生命科学中,了解细胞差异和对细胞进行分类对生命科学具有重要意义。基于基因转录数据和深度学习的一系列分类方法正在兴起。但是,由于算法"黑匣子",使得现有方法的可解释性常常不足。

最近,来自北京师范大学和中国科学院遗传研究所的研究人员在《自然机器智能》杂志上发表了论文。其中,研究人员使用改进的胶囊网络深层结构进行转录组分析和细胞分类,以取得良好的结果并具有很强的解释性。

研究人员在在胶囊网络中,胶囊代表一个由多个神经元C厂劳力士日志组成的向量,作为基本的操作单位。每个向量(胶囊)代表特定对象的属性。因此,胶囊网络具有模块化的体系结构,适用于相同的此类生物数据具有模块化特征。

胶囊网络模型的初始版本使用卷积神经网络作为图像分类任务的特征提取器。在这项研究中,研究人员将其转换为"单细胞胶囊网络"(scCapsNet),用多个并行神经网络代替了原始的卷积神经网络,将其作为单细胞表达谱的特征提取器。分类。

单细胞胶囊网络弥补了传统机器学习多层次的低透明度和可解释性的不足。这对于决策黑匣子的透明性具有重要意义。返回搜狐以查看更多信息

负责编辑:

相关推荐

评论 1

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址
  1. #1

    These are really enormous ideas in on the topic of blogging.

    You have touched some good factors here. Any way keep up wrinting.

    generic cialis6个月前 (11-16) 回复