据《麻省理工技术评论》最新报道，）正在资助13个不同的研究小组开发人工智能技术，包括人工智能的自我解释。最新的技术本质就是。DARPA正在大力资助，以求打开这些黑盒子。
DARPA是国防部负责探索新技术的一个部门，其资助的项目主要是为了让人工智能能够解释自己的行为，以获得使用者的信任和认可。这些方法包括进一步加深机器学习系统以能够解释自我行为，以及开发新的机器学习方法。
项目经理大卫·冈宁（David Gunning）表示：“我们现在正处于人工智能大爆发的时代。究其原因，主要是因为机器学习，尤其是深度学习。” 情报机构和军事人员正越来越依靠人工智能，利用深度学习来分析和处理所获得的大量数据。但美国军方对这种做法提出了质疑。
深度学习和其他机器学习技术风靡硅谷，极大改善了语音识别和图像分类。同时他们得到了前所未有的广泛使用，包括执法和医药领域。在这些领域，任何一个错误带来的后果可能会十分严重。但是，尽管深度学习非常擅长数据处理，但也不可能理解它是如何得出结论的。学习过程在数学上是十分复杂的，且通常无法把它转化成人们能理解的东西。
不仅深度学习解释起来特别困难，其他机器学习技术也很具有挑战性。冈宁表示：“这些模型十分晦涩难懂，以至于人们很难去理解，尤其如果他们不是人工智能方面的专家。”
深度学习因其极度复杂而显得特别神秘。它的灵感来自于大脑中神经元响应输入的过程。许多模拟的神经元和突触层都被标记了数据，当他们开始学习时，标记的数据会发生变化，例如，学习照片里的一只猫。但是，机器学习模型被数以百万计的神经元编码，因此测试起来非常具有挑战性。举例来说，深度学习识别一只猫时，目前还不清楚该系统会将注意力集中在猫的哪一个部位。
冈宁表示：“通常，如果一个机器学习模型晦涩难懂，也无关紧要，但是对于试图识别潜在目标的情报官员来说，却不是如此。有一些关键的应用需要解释清楚。”
“军方正在开发无数自主系统，而这些系统将会严重依赖像深度学习之类的机器学习技术。自动驾驶车辆和无人机将会在未来几年越来越多地得到使用，且他们的能力也会日益增强,” 冈宁称。
可解释性不只是对证明决策非常重要，它还可有助于防止事情出错。因此，提供解释可帮助研究人员使他们的系统更可靠，并阻止那些依赖它们的人犯错误。
一个来自于Charles River Analytics的小组得到资助。这是一个为各类客户（包括美国军方）开发高科技工具的公司。这个团队正在探索新的具有解释功能的深度学习系统。研究人员也在进行计算机接口实验，以使机器学习系统的运作在使用数据，可视化甚至自然语言解释时更清楚明确。
德克萨斯A&M大学教授Xia Hu，也是获得资助的团队之一的负责人。他表示，在应用机器学习的其他领域，例如医药，法律和教育，这个问题也很重要。Hu教授说：“没有相关解释或推理，领域内专家不会相信所取得的成果。这就是许多领域内专家拒绝采用机器学习或深度学习的主要原因。”
（来源：战略前沿技术）
据《麻省理工技术评论》最新报道，）正在资助13个不同的研究小组开发人工智能技术，包括人工智能的自我解释。最新的技术本质就是。DARPA正在大力资助，以求打开这些黑盒子。
DARPA是国防部负责探索新技术的一个部门，其资助的项目主要是为了让人工智能能够解释自己的行为，以获得使用者的信任和认可。这些方法包括进一步加深机器学习系统以能够解释自我行为，以及开发新的机器学习方法。
项目经理大卫·冈宁（David Gunning）表示：“我们现在正处于人工智能大爆发的时代。究其原因，主要是因为机器学习，尤其是深度学习。” 情报机构和军事人员正越来越依靠人工智能，利用深度学习来分析和处理所获得的大量数据。但美国军方对这种做法提出了质疑。
深度学习和其他机器学习技术风靡硅谷，极大改善了语音识别和图像分类。同时他们得到了前所未有的广泛使用，包括执法和医药领域。在这些领域，任何一个错误带来的后果可能会十分严重。但是，尽管深度学习非常擅长数据处理，但也不可能理解它是如何得出结论的。学习过程在数学上是十分复杂的，且通常无法把它转化成人们能理解的东西。
不仅深度学习解释起来特别困难，其他机器学习技术也很具有挑战性。冈宁表示：“这些模型十分晦涩难懂，以至于人们很难去理解，尤其如果他们不是人工智能方面的专家。”
深度学习因其极度复杂而显得特别神秘。它的灵感来自于大脑中神经元响应输入的过程。许多模拟的神经元和突触层都被标记了数据，当他们开始学习时，标记的数据会发生变化，例如，学习照片里的一只猫。但是，机器学习模型被数以百万计的神经元编码，因此测试起来非常具有挑战性。举例来说，深度学习识别一只猫时，目前还不清楚该系统会将注意力集中在猫的哪一个部位。
冈宁表示：“通常，如果一个机器学习模型晦涩难懂，也无关紧要，但是对于试图识别潜在目标的情报官员来说，却不是如此。有一些关键的应用需要解释清楚。”
“军方正在开发无数自主系统，而这些系统将会严重依赖像深度学习之类的机器学习技术。自动驾驶车辆和无人机将会在未来几年越来越多地得到使用，且他们的能力也会日益增强,” 冈宁称。
可解释性不只是对证明决策非常重要，它还可有助于防止事情出错。因此，提供解释可帮助研究人员使他们的系统更可靠，并阻止那些依赖它们的人犯错误。
一个来自于Charles River Analytics的小组得到资助。这是一个为各类客户（包括美国军方）开发高科技工具的公司。这个团队正在探索新的具有解释功能的深度学习系统。研究人员也在进行计算机接口实验，以使机器学习系统的运作在使用数据，可视化甚至自然语言解释时更清楚明确。
德克萨斯A&M大学教授Xia Hu，也是获得资助的团队之一的负责人。他表示，在应用机器学习的其他领域，例如医药，法律和教育，这个问题也很重要。Hu教授说：“没有相关解释或推理，领域内专家不会相信所取得的成果。这就是许多领域内专家拒绝采用机器学习或深度学习的主要原因。”
（来源：战略前沿技术）