本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

明明是只斑馬，AI為什么說它是一條狗？

分類模型在歸類圖像時(shí)有時(shí)會錯(cuò)誤地判斷類別。

經(jīng)過學(xué)習(xí)的AI，還會搞砸一些預(yù)測，肯定是在其中的某個(gè)環(huán)節(jié)出現(xiàn)了紕漏。

斯坦福大學(xué)的兩位博士生和教授James Zou在一篇論文中，帶我們探究了分類模型犯錯(cuò)的原因。

隨后，論文提出一種方法——反事實(shí)的概念性解釋（Conceptual Counterfactual Explanations），并評估了它的效果。

通過這種方法，我們就能重新定義模型的分類標(biāo)準(zhǔn)，從而解釋AI犯錯(cuò)的原因。

一起來看看吧。

AI為什么會犯錯(cuò)？

想要提高分類模型后續(xù)預(yù)測的準(zhǔn)確性，就先得整明白這個(gè)模型在哪里出了岔子。

一般來說，AI搞砸預(yù)測是以下原因造成的：

首先是在模型實(shí)際預(yù)測的過程中，分類標(biāo)準(zhǔn)可能會與預(yù)訓(xùn)練時(shí)有些偏差，使得訓(xùn)練模型在實(shí)際預(yù)測的過程中效果不佳，進(jìn)而降低預(yù)測結(jié)果的準(zhǔn)確性。

比如說，病理學(xué)家使用預(yù)先訓(xùn)練好的模型來分類組織病理學(xué)圖像，但效果在他的圖像上卻不是很好。

這就可能是在他的圖像中，色調(diào)與原始訓(xùn)練數(shù)據(jù)中不同導(dǎo)致的。

其次，在模型學(xué)習(xí)的過程中，可能會學(xué)習(xí)到一種叫做“偽相關(guān)性”的東西，即將一些看似無關(guān)的要素與被識別的圖像關(guān)聯(lián)起來。

可以看這個(gè)例子：

在這個(gè)模型訓(xùn)練過程中，樣本里所有狗的照片里都有雪，這導(dǎo)致該模型將雪與狗聯(lián)系在一起，并錯(cuò)誤地預(yù)測：沒有雪的狗不是狗。

這可能是用的數(shù)據(jù)集，都是在同一場景下收集的，會阻礙模型的泛化。

除此之外，也可能是在訓(xùn)練模型時(shí)，人為制造的一些偏差。

例如，某一皮膚科專家利用訓(xùn)練好的AI來分類圖像中的皮膚病，但其他同事使用的效果卻不盡如人意。

這可能是因?yàn)樵谟?xùn)練的樣本中，皮膚的膚色單一、且年齡段分布窄。

了解了AI“犯錯(cuò)”的原因后，我們要怎樣才能準(zhǔn)確地判斷模型哪里出現(xiàn)了錯(cuò)誤呢？

AI犯錯(cuò)，它來解釋

James Zou在論文中提出了一種叫反事實(shí)的概念性解釋（CCE）的方法。

具體來說，就是通過這種方法，來探究輸入數(shù)據(jù)與預(yù)測結(jié)果之間的聯(lián)系，最終找到模型的錯(cuò)誤之處。

那CCE是怎么來解釋的呢？

定義概念庫

首先要做的，就是設(shè)置并細(xì)化一個(gè)概念庫C，即制作一個(gè)分類標(biāo)準(zhǔn)。

具體來說，概念庫C中的各個(gè)概念可以用來分類圖像，如裝置c1（街道、雪等）、圖片質(zhì)量c2（清晰、模糊等）······

這樣，就能獲得一組可解釋的概念庫C={c1，c2，…}。

然后，需要給其中的每個(gè)概念找對應(yīng)訓(xùn)練數(shù)據(jù)。

具體的，就是收集與其相符（Pci）和不符（Nci）的例子，一般來說數(shù)量上要一樣（Pci=Nci=100）。

對于每個(gè)概念，CCE都要學(xué)習(xí)它們的分類方法和“思維方式”。

分別通過兩種方法：

一個(gè)是通過學(xué)習(xí)支持向量機(jī)（SVM），來尋找可以區(qū)分兩種事物最優(yōu)方式的算法（線性分類器）。

另一個(gè)是學(xué)習(xí)相應(yīng)的概念激活向量（CAV），它可以用來解釋圖像被錯(cuò)誤分類的具體原因。

就像下圖，都是斑馬的圖像，歸類錯(cuò)誤的原因卻不一樣。

這一步只需要對每個(gè)想要評估的模型做一次，之后CAV便可以用來解釋任意數(shù)量的錯(cuò)誤分類。

給定錯(cuò)誤分類標(biāo)準(zhǔn)

我們可以通過改變不同概念在模型中的比重，對其分類標(biāo)準(zhǔn)進(jìn)行相應(yīng)的調(diào)整，這些調(diào)整要滿足以下原則：

1、正確性：如果一個(gè)分類標(biāo)準(zhǔn)達(dá)到了預(yù)期的結(jié)果，那么它就被認(rèn)為是正確的。

2、有效性：分類標(biāo)準(zhǔn)不能違反人類的基本認(rèn)知。

3、稀疏性：最終目標(biāo)是向用戶傳達(dá)模型的錯(cuò)誤之處，太多的變量不利于有效傳達(dá)信息。

我們的目的是盡可能地使預(yù)測結(jié)果貼近訓(xùn)練結(jié)果，即最小化交叉熵?fù)p失。

因此就要不斷優(yōu)化模型預(yù)測的標(biāo)準(zhǔn)，通過調(diào)整待修改的標(biāo)準(zhǔn)，對其進(jìn)行加權(quán)，最終達(dá)到糾正錯(cuò)誤分類的效果。

了解之后，我們通過一個(gè)實(shí)際例子來看看，怎么用CCE“探測”分類模型出錯(cuò)的地方。

在這里，分類模型錯(cuò)誤地將斑馬圖像識別為非洲獵犬。

于是，我們首先生成這個(gè)模型將斑馬識別成狗的一系列標(biāo)準(zhǔn)。

然后，對這些標(biāo)準(zhǔn)進(jìn)行評分，如果評分為正，則代表在圖像中增加這個(gè)概念，將會提高正確分類的概率，反之亦然。

在這個(gè)例子中，如果增加stripes（條紋）這個(gè)概念，識別出它為斑馬的概率就會大一些。

在c）圖中，通過CCE分析也可以直觀地看到，“Polka Dots”（斑點(diǎn)）和“Dog”（狗）是導(dǎo)致模型預(yù)測錯(cuò)誤的原因。

CCE效果怎么樣？

看到這里，想必大家對CCE的原理都有了初步的認(rèn)識。

那它判斷得到底準(zhǔn)不準(zhǔn)確，效果究竟如何呢？

CCE的目的，主要是揭示模型在訓(xùn)練過程中學(xué)習(xí)到的“偽相關(guān)性”，用它就可以捕獲圖像中出現(xiàn)的其他“無關(guān)要素”和圖像的偽相關(guān)性。

測試發(fā)現(xiàn)，在大多數(shù)情況下，該模型在超過90%的錯(cuò)誤分類的測試樣本中識別出偽相關(guān)。

看看這個(gè)表格，相較于其他方法，使用CCE，識別出樣本中偽相關(guān)的概率最高。

CCE能夠精準(zhǔn)地識別出樣本中的偽相關(guān)，可以看這個(gè)例子：

改變蘋果圖片的顏色（使圖片變灰），分類模型識別錯(cuò)誤的概率增大時(shí)（黑線），CCE辨別出“綠色”為偽相關(guān)的分?jǐn)?shù)也就越高（綠線）。

除此之外，CCE也有用在醫(yī)學(xué)領(lǐng)域的潛力。

像Abubakar Abid等人就使用CCE，在皮膚病學(xué)（皮膚狀況分類）、胸片圖像中的心臟病學(xué)（氣胸分類）中都做了相關(guān)測試。

CCE使用學(xué)習(xí)到的偏差和圖像質(zhì)量條件來解釋模型犯錯(cuò)，也已被專業(yè)的皮膚科醫(yī)生證實(shí)——這些因素，確實(shí)很大程度上是導(dǎo)致皮膚圖像難以分類的原因。

此外，CCE的速度也很快。

概念庫只需要使用簡單的支持向量機(jī)學(xué)習(xí)一次，每個(gè)測試示例在單個(gè)CPU上花費(fèi)的時(shí)間小于0.3s。

重要的是，它可以很簡單地應(yīng)用到任何深度網(wǎng)絡(luò)，在不需要訓(xùn)練數(shù)據(jù)的情況下檢測到模型犯錯(cuò)的原因。

如果你對這種方法感興趣，想親自試試的話，可以戳下文鏈接查看。

作者介紹

James Zou ，論文通訊作者，是斯坦福大學(xué)生物醫(yī)學(xué)數(shù)據(jù)科學(xué)系的助理教授，計(jì)算機(jī)科學(xué)與電氣工程系的助理教授。

于 2014 年獲得哈佛大學(xué)博士學(xué)位，曾是微軟研究院成員、劍橋大學(xué)蓋茨學(xué)者和加州大學(xué)伯克利分校西蒙斯研究員。

他的研究得到了 Sloan Fellowship、NSF CAREER Award 以及 Google、Amazon 和騰訊 AI 獎項(xiàng)的支持。

Abubakar Abid （前）、 Mert Yuksekgonul（后） 論文第一作者，均為斯坦福大學(xué)博士生。