在过去的几年里，“人工智能”已经成为技术领域的一个主要流行语。计算机能够完成只有人类才能完成的任务的前景是一个迷人的想法。
人工智能可以使用多种不同的方法来创建，但目前最流行的方法之一涉及使用深度神经网络(dnn)。这些结构试图模拟大脑的神经连接和功能，在部署到现实世界之前，通常会在数据集上进行训练。通过事先在数据集上训练dnn，可以“教”它们识别图像中的特征。因此，DNN可以通过在带有船的图像数据集上进行训练来识别带有船的图像。
然而，如果训练数据集设计不当，可能会导致问题。例如，对于前面的例子，由于船的图像通常是在船在水中时拍摄的，DNN可能只识别水，而不是船，并且仍然说图像中有船。这被称为共现偏差，这是在训练dnn时遇到的一个非常常见的问题。
为了解决这个问题，包括日本科学技术高级研究所(JAIST)研究员何毅、JAIST高级讲师谢昊然、吉林大学副教授杨曦、东京大学项目讲师张嘉明和五十岚武夫教授在内的一组研究人员报告了一种新的人在环系统。详细介绍该系统的论文已发表在第28届智能用户界面国际会议论文集(ACM IUI 2023)上。
谢教授说:“有一些现有的方法可以通过重组数据集或告诉系统专注于图像的特定区域来解决共现偏差。但是，重新组织数据集可能非常困难，而当前标记感兴趣区域(ROI)的方法需要雇佣大量的、逐像素的注释，这导致了很高的成本。因此，我们创建了一个更简单的注意力方法，帮助人们用一个简单的点击方法指出图像中的ROI。这大大减少了DNN训练和部署的时间和成本。”
该团队意识到，以前的注意力引导方法效率低下，因为它们没有被设计成交互式的。因此，他们提出了一种新的交互式方法，通过一键注释图像。用户只需左键单击要识别的图像部分，如果需要，右键单击应该忽略的图像部分。
因此，对于有船的图像，用户将左键单击船，右键单击船周围的水。这有助于DNN更好地识别船只，并减少训练数据集固有的共现偏差的影响。为了减少需要标注的图像，设计了一种基于高斯混合模型的主动学习策略。
这个新系统与现有系统进行了对比测试，包括数字测试和用户调查。数值分析表明，新的主动学习方法比现有的任何方法都更准确，而用户调查显示，基于点击的系统将注释ROI所需的时间减少了27%，81%的参与者比其他系统更喜欢它。
Xie说:“我们的工作可以通过提高神经网络在现实应用中的准确性，极大地提高神经网络的可转移性和可解释性。当系统做出正确而清晰的决策时，它会增加用户对人工智能的信心，并使这些系统更容易在现实世界中部署。因此，我们的工作重点是提高DNN部署的可信度，这可能对人工智能技术在社会中的应用和发展产生重大影响。”
该团队认为，他们的工作可能会对科技行业产生巨大影响，并在不久的将来实现人工智能技术的更多应用。
更多信息:Yi He等人，引导DNNs注意力的高效人在环系统，第28届智能用户界面国际会议论文集(2023)。DOI: 10.1145/3581641.3584074由日本先进科学技术研究所提供引用:点击消除偏差:新系统使AI训练更容易和更准确(2023,3月31日)检索2023年3月31日从https://techxplore.com/news/2023-03-click-bias-ai-easier-accurate.html本文档受版权保护。除为私人学习或研究目的而进行的公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。
