深度學(xué)習(xí)可解釋性內(nèi)涵和分類

于芝枝

（國(guó)家知識(shí)產(chǎn)權(quán)局專利局專利審查協(xié)作廣東中心，廣州 510535）

0 引言

深度學(xué)習(xí)作為人工智能任務(wù)的引領(lǐng)技術(shù)，在自然語(yǔ)言處理、智能問(wèn)答、計(jì)算機(jī)視覺(jué)等領(lǐng)域取得了顯著成果。雖然深度學(xué)習(xí)具有數(shù)學(xué)統(tǒng)計(jì)原理推導(dǎo)，但是對(duì)于任務(wù)知識(shí)表征學(xué)習(xí)尚缺乏明確解釋。相關(guān)研究者［1］認(rèn)為神經(jīng)網(wǎng)絡(luò)模型和神經(jīng)元權(quán)重不能直接理解為知識(shí)，不能解釋模型為什么這么做、為何有效等問(wèn)題。在醫(yī)療診斷、司法仲裁、軍事決策等任務(wù)場(chǎng)景中，都要求模型系統(tǒng)必須被人類理解和信任，以實(shí)現(xiàn)模型系統(tǒng)滿足安全性、非歧視性等輔助指標(biāo)要求。因此深度學(xué)習(xí)的可解釋性勢(shì)必成為人工智能進(jìn)一步推廣的催化劑。

1 深度學(xué)習(xí)可解釋性內(nèi)涵

自2006年誕生以來(lái)，深度學(xué)習(xí)以不依賴人工設(shè)計(jì)的特征和專家知識(shí)特征逐漸成為特征提取常用方法，其可解釋性的研究逐漸受到更多關(guān)注。

1.1 可解釋性含義

通常認(rèn)為，模型的可解釋性表示模型使用者可以對(duì)模型輸出進(jìn)行理解和推理。Lipton［2］認(rèn)為深度學(xué)習(xí)模型中與人類思維過(guò)程相呼應(yīng)的內(nèi)容稱為可解釋性，缺乏明確解釋的模型或者存在不同解讀的研究是非嚴(yán)謹(jǐn)?shù)臏?zhǔn)科學(xué)。Lou等［3］認(rèn)為可解釋性體現(xiàn)在人類對(duì)模型工作方式的充分理解和清晰認(rèn)識(shí)程度，揭示數(shù)據(jù)因果關(guān)系的結(jié)構(gòu)關(guān)系。從不同視角、領(lǐng)域，對(duì)深度學(xué)習(xí)可解釋性的闡述不盡相同，但都試圖將黑盒深度學(xué)習(xí)決策轉(zhuǎn)化為可解釋性的決策推斷，讓使用者能夠理解和相信決策。

1.2 可解釋性的必要性

根據(jù)深度學(xué)習(xí)在現(xiàn)實(shí)生活中應(yīng)用場(chǎng)景，大致可分為兩種：①模型用來(lái)輔助人類產(chǎn)生影響生活的重大決策，如醫(yī)療診斷、商業(yè)貸款、自動(dòng)駕駛等；②模型用來(lái)輔助人類產(chǎn)生非重要、低后果的決策，如商品推薦、目標(biāo)識(shí)別、信息搜索等。對(duì)于第一種應(yīng)用場(chǎng)景，深度學(xué)習(xí)更需要一個(gè)決策的解釋，對(duì)其運(yùn)行原理優(yōu)缺點(diǎn)進(jìn)行分析，理解系統(tǒng)機(jī)理。

對(duì)可解釋性需求的利益相關(guān)者大致可分為四類：學(xué)術(shù)研究者、開(kāi)發(fā)工程師、社會(huì)管理者和終端用戶［4］。學(xué)術(shù)研究者包括醫(yī)學(xué)專家、生物專家、人工智能研究者等，提出可解釋性方法，促進(jìn)人工智能技術(shù)發(fā)展，擴(kuò)展人類知識(shí)邊界。開(kāi)發(fā)工程師需要利用可解釋性方法輔助深度學(xué)習(xí)系統(tǒng)的調(diào)試、改進(jìn)、安全審查等，對(duì)接終端用戶。社會(huì)管理者包括公共安全、法律道德等與人類生活息息相關(guān)的不同領(lǐng)域管理者，主要從道德法律、規(guī)章制度等視角，審核深度學(xué)習(xí)技術(shù)是否存在不公平、歧視偏見(jiàn)等社會(huì)問(wèn)題。終端用戶包括醫(yī)生、銀行、法官等各行業(yè)使用者實(shí)體，可解釋性需要使終端用戶可以理解信任系統(tǒng)進(jìn)行有效使用。

不同利益相關(guān)者對(duì)可解釋性的需求不同，從7個(gè)不同視角對(duì)深度學(xué)習(xí)可解釋性多樣性需求進(jìn)行總結(jié)：①安全、可信任：從終端用戶視角，需要確認(rèn)深度學(xué)習(xí)模型可能做出合理決策，能夠建立對(duì)深度學(xué)習(xí)技術(shù)的信任；②可靠、魯棒性：從研究者視角，需要可解釋性輔助尋找在對(duì)抗攻擊條件下魯棒的算法，增強(qiáng)模型的魯棒性；③調(diào)試：從開(kāi)發(fā)者、部署者視角，理解系統(tǒng)工作機(jī)理，以便調(diào)試、改進(jìn)系統(tǒng)；④道德法律：深度學(xué)習(xí)可解釋性輔助人類防范某些種族歧視、隱私泄露等問(wèn)題，解決系統(tǒng)中存在的先驗(yàn)偏見(jiàn)、保護(hù)個(gè)人信息；⑤科學(xué)：深度學(xué)習(xí)可解釋性，幫助人類去尋求對(duì)事物的解釋并將其轉(zhuǎn)化為知識(shí)。

2 可解釋性方法分類

深度學(xué)習(xí)可解釋性方法從不同視角，可分為不同類別，方法之間存在重疊、非排他性。

2.1 全局方法和局部方法

全局方法試圖從宏觀角度解釋模型機(jī)理，利用模型結(jié)構(gòu)、訓(xùn)練過(guò)程、相關(guān)數(shù)據(jù)集的整體知識(shí)去闡述模型本身，解釋模型行為。局部可解釋性方法聚焦解釋特定的單個(gè)預(yù)測(cè)結(jié)果或輸出。

2.2 模型訓(xùn)練前方法和模型訓(xùn)練后方法

模型訓(xùn)練前方法是一種不依賴深度學(xué)習(xí)模型的獨(dú)立可解釋性方法，如主成分分析法、流形學(xué)習(xí)算法等。模型訓(xùn)練后方法則是聚焦探索模型訓(xùn)練過(guò)程中學(xué)到的知識(shí)。

2.3 替代法和可視化方法

替代法用于分析其他深度學(xué)習(xí)模型，來(lái)解釋其決策原由，從而輔助理解深度學(xué)習(xí)模型。可視化方法通過(guò)可視化模型特征、特征間關(guān)系、神經(jīng)元間關(guān)系以及神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)、訓(xùn)練信息，有助理解模型內(nèi)在工作機(jī)制和輸出知識(shí)。

3 結(jié)語(yǔ)

深度學(xué)習(xí)模型的可解釋性是模型優(yōu)化的有效途徑、模型實(shí)際應(yīng)用推廣的催化劑。深度學(xué)習(xí)可解釋性研究的進(jìn)步不僅可以輔助人們理解現(xiàn)有系統(tǒng)，更為揭開(kāi)深度學(xué)習(xí)黑盒奠定了基礎(chǔ)。本文闡述了深度學(xué)習(xí)可解釋性研究的意義，同時(shí)對(duì)深度學(xué)習(xí)可解釋性方法分類進(jìn)行了總結(jié)，以期為其他研究者提供借鑒。