課代表總結(jié)了可解釋機(jī)器學(xué)習(xí)公開課的信息??????

視頻內(nèi)容:

1??主要內(nèi)容??

2??選擇人工智能研究方向的建議??

3??為什么要學(xué)可解釋機(jī)器學(xué)習(xí)???

4??深度學(xué)習(xí)可解釋性研究??

視頻內(nèi)容:

1??主要內(nèi)容??

• 什么是可解釋人工智能?
• 學(xué)可解釋機(jī)器學(xué)習(xí)有什么用?

·各行各業(yè)應(yīng)用

·交叉研究方向

· Machine Teaching :人工智能教人類學(xué)習(xí)

·細(xì)粒度圖像分類

·對抗樣本與信息安全

• ·本身可解釋性好的機(jī)器學(xué)習(xí)模型
• ·傳統(tǒng)機(jī)器學(xué)習(xí)算法的可解釋性分析
• ·深度學(xué)習(xí)(CV、NLP)可解釋性分析
• ·卷積神經(jīng)網(wǎng)絡(luò)的可解釋性分析
• ·復(fù)盤總結(jié)與擴(kuò)展閱讀
• ?

  00:59

  ?
• 
  

2??選擇人工智能研究方向的建議??

盡可能通用，與其它研究方向交叉

順應(yīng)主流發(fā)展趨勢，長期存在且有用

有高質(zhì)量的數(shù)據(jù)集

不過分小眾，但也好發(fā)paper，沒有瘋狂內(nèi)卷

能應(yīng)用到產(chǎn)業(yè)界垂直細(xì)分行業(yè)

有商業(yè)應(yīng)用價(jià)值，容易“講故事”

3??為什么要學(xué)可解釋機(jī)器學(xué)習(xí)???

研究Al的腦回路，就是研究Al的本質(zhì)。

可解釋分析是機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘的通用研究方法。

和所有Al方向交叉融合︰數(shù)據(jù)挖掘、計(jì)算機(jī)視覺、自然語言處理、強(qiáng)化學(xué)習(xí)、知識(shí)圖譜、聯(lián)邦學(xué)習(xí)。

包括但不限于∶大模型、弱監(jiān)督、缺陷異常檢測、細(xì)粒度分類、決策AI和強(qiáng)化學(xué)習(xí)、圖神經(jīng)網(wǎng)絡(luò)、Al糾偏、Al4Science、MachineTeaching、對抗樣本、可信計(jì)算、聯(lián)邦學(xué)習(xí)。

4??深度學(xué)習(xí)可解釋性研究??

需求

定義

評(píng)價(jià)指標(biāo)

典型方法

未來方向