Аргументация

В MIT разработали нейросеть TbD-net с прозрачной аргументацией в принятии решений
Ученые MIT создали нейронную сеть Transparency by Design Network (TbD-net), способную показать процесс принятия решения. Разработка предназначена для обнаружения объектов на изображениях по текстовому запросу. Прозрачность аргументации и возможность вносить правки во время обучения позволили добиться точности в 99,1 %.

Исследователи из MTI научили нейронные сети аргументировать свои решения

В последнее время нейросети показывали себя прекрасно во многих прикладных задачах. Они искали закономерности в данных, которые использовались для классификации и прогнозирования. Нейросети с кажущейся легкостью распознавали объекты в цифровых изображениях или, «прочитав» отрывок текста, резюмировали его тему. Однако никто не мог рассказать, какие преобразования проходили вводимые данные для получения того или иного решения. Даже авторы сетей владели данными на входе и информацией на выходе. И если рассматривать визуальные данные, то иногда даже можно автоматизировать опыты по выяснению, на какие составляющие изображений реагирует нейросеть. А с системами обработки текста процесс более сложный. В чем сложность понимания человеческого языка машиной вы можете прочитать ниже.