這款AI觀鳥器可讓您通過機器的眼睛看

要分辨下一個物種可能需要多年的觀鳥經驗。但是，杜克大學的研究人員使用一種稱為深度學習的人工智能技術，對一臺計算機進行了培訓，使其僅通過一張照片即可識別多達200種鳥類。但是，真正的創新在于，AI工具還可以顯示其思維方式，即使是不了解海雀企鵝的人也可以理解。

該小組通過向其喂食200種鳥類的11788張照片(從游泳鴨子到徘徊的蜂鳥)來訓練其深層神經網絡(基于大腦工作方式的算法)。

研究人員從未告訴網絡“這是喙”或“這些是翼羽”。給定一張神秘鳥的照片，該網絡能夠將圖像中的重要模式與以前見過的典型物種特征進行比較，從而挑選出圖像中的重要模式并冒險猜測。

一路走來，它散發出一系列的熱圖，這些熱圖本質上說：“這不只是任何鳴鳥。它是一個帶帽的鳴鳥，而這些特征(如蒙面的頭部和黃色的腹部)將其散發出去。”

杜克大學計算機科學博士學位 學生Chaofan Chen和本科生Oscar Li以及杜克大學教授Cynthia Rudin領導的預測分析實驗室的其他成員帶領了這項研究。

他們發現他們的神經網絡最多可以在84%的時間內識別出正確的物種，這一點與其同類中表現最佳的同行相提并論，但是它們并沒有揭示出他們如何分辨出另一只麻雀。 。

魯丁說，他們的項目不僅僅是為鳥類命名。這是關于可視化深度神經網絡在查看圖像時真正看到的內容。

類似的技術被用來標記社交網站上的人，在監視攝像機中發現可疑分子，并訓練自動駕駛汽車來檢測交通信號燈和行人之類的東西。

魯丁說，問題在于，眾所周知，大多數計算機視覺的深度學習方法都是不透明的。與傳統軟件不同，深度學習軟件無需顯式編程即可從數據中學習。結果，這些算法在對圖像進行分類時究竟如何“思考”并不總是很清楚。

魯丁(Rudin)和她的同事們試圖證明AI不必那樣做。她和她的實驗室正在設計深度學習模型，用以解釋其預測背后的原因，并明確說明其原因以及提出答案的方式。當這樣的模型出錯時，其內置的透明性使我們可以了解原因。

對于他們的下一個項目，Rudin和她的團隊正在使用他們的算法對乳房X線照片等醫學圖像中的可疑區域進行分類。如果可行，他們的系統將不僅可以幫助醫生發現腫塊，鈣化和其他可能是乳腺癌跡象的癥狀。它還將顯示其在乳房X光檢查的哪個部分，揭示哪些特定特征最類似于其他患者以前見過的癌性病變。

魯丁說，通過這種方式，他們的網絡旨在模仿醫生的診斷方式。魯丁說：“這是基于案例的推理。” “我們希望能夠更好地向醫生或患者解釋為什么他們的圖像被網絡分類為惡性或良性。”

該團隊將于12月12日在溫哥華舉行的第三十三屆神經信息處理系統大會(NeurIPS 2019)上發表有關其發現的論文。