Как устроен объяснимый ИИ и какие проблемы он решает

РБКHi-Tech

Интеллект, понятный каждому

Как устроен объяснимый ИИ и какие проблемы он решает

Автор: Мария Решетникова

Современные разработки в сфере искусственного интеллекта упираются в проблему «черного ящика», которая ставит под сомнение объективность и точность моделей. Решением может стать прозрачный и объяснимый ИИ.

Объяснимый искусственный интеллект представляет собой следующий шаг в развитии ИИ, который сделает технологию более понятной и прозрачной. Внедрение объяснимого ИИ позволит расширить сферу его применения на отрасли, которые работают с потенциально чувствительными данными,— медицину, финансы, судопроизводство и другие.

Что такое объяснимый ИИ

Объяснимый ИИ (Explainable AI, XAI)—это направление исследований в области искусственного интеллекта. Оно стремится создать системы и модели, способные объяснять свои действия и принимать решения понятным для людей образом, чтобы повысить доверие к ИИ. Объяснимый ИИ используется для описания алгоритмов, а также ожидаемых последствий их работы и возможных отклонений. Для этого используются методы визуализации, более простые алгоритмы, а также интерактивные интерфейсы с подсказками.

Благодаря XAI, а также объяснимым процессам машинного обучения организации могут получить доступ к процессам принятия решений, лежащим в основе технологии, и вносить в них коррективы. Он также позволяет улучшить взаимодействие с пользователями, повышая доверие с их стороны.

Характеристики XAI

Объяснимый ИИ должен включать в себя три основных элемента.

Точность прогноза. Запустив моделирование и сравнив выходные данные XAI с результатами в наборе обучающих данных, можно определить точность работы модели. Самый популярный метод, используемый для этого,—это локальные интерпретируемые модельно-агностические объяснения (LIME), которые позволяют объяснить каждый прогноз нейросети. Они анализируют входные данные после того, как те проходят через алгоритм, и сравнивают полученный результат с прогнозируемым. Для этого LIME используют собственный специально обученный на этих данных алгоритм. Сравнение позволяет понять ход рассуждения исходной нейросети.

Прослеживаемость. Она достигается в том числе за счет ограничения способов принятия решений и установления более узкой области применения правил и функций машинного обучения. Примером метода отслеживания XAI является DeepLIFT (Deep Learning Important FeaTures—важные функции глубокого обучения), который сравнивает работу каждой точки («нейрона») нейросети с эталонным показателем и показывает зависимости между ними.

Объясняемость и интерпретируемость. Это показатели, которые отображают, насколько наблюдатель может понять причину принятия решения, а также предсказать вероятность успеха работы модели. Существуют специальные технологии, которые обеспечивают визуализацию этих показателей. Например, What-if—инструменты для визуального исследования поведения обученных моделей, тестирования их производительности в гипотетических ситуациях и анализа важности различных функций данных.

Преимущества XAI

Внедрение объяснимого ИИ дает ряд положительных эффектов как в коммерческом, так и в государственном секторах:

  • повышение производительности, более быстрое выявление ошибок в модели;
  • укрепление доверия со стороны клиентов и пользователей;
  • снижение регуляторных и других рисков.

В некоторых странах внедрение объяснимого ИИ станет обязательным требованием для компаний со стороны государств. Европарламент уже принял закон под названием AI Act, который устанавливает правила и требования для разработчиков моделей ИИ. Они должны обеспечить прозрачность работы таких систем.

Технологии XAI

Для создания объяснимого ИИ применяются следующие основные техники машинного обучения:

  • деревья решений выдают четкое визуальное представление процесса принятия решений ИИ;
  • системы на основе правил выводят алгоритмические правила работы в понятном для человека формате;
  • байесовские сети, или модели вероятностей, которые показывают причинно-следственные связи в работе алгоритма и объясняют неопределенности;
  • линейные модели демонстрируют, как каждый входной параметр влияет на решение нейросети.

Перспективы внедрения XAI

Несмотря на все плюсы XAI, внедрение такого ИИ сталкивается с рядом препятствий, таких как:

отсутствие консенсуса по определениям нескольких ключевых понятий—некоторые исследователи используют термины «объяснимость» и «интерпретируемость» как синонимы, а другие четко разделяют их;

недостаток практических рекомендаций по поводу того, как выбирать, внедрять и тестировать XAI;

отсутствие понимания, должен ли объяснимый ИИ быть понятным для обычных пользователей.

Отдельные исследователи предложили идею «белого ящика», или моделей, которые будут объяснимыми и прозрачными. Так, систему ИИ можно разбивать на модули, каждый из которых может быть интерпретирован, либо изначально строить модели с соблюдением правил прозрачности, чтобы разработчик не терял контроль над ситуацией.

Однако другие эксперты считают, что и «белый ящик» не решит проблему доверия к ИИ со стороны людей, у которых нет технического образования. По их мнению, XAI и объяснимый ИИ — это лишь часть более широких усилий для создания искусственного интеллекта, работа которого будет понятна любому человеку.

Тайны «черного ящика»

XAI использует специальные методы, позволяющие отслеживать и объяснять каждое решение, принятое в процессе машинного обучения. ИИ же обучается с помощью алгоритма, архитектура которого не до конца понятна. Эту проблему принято называть «черным ящиком»: даже если система дает точные ответы, зачастую сложно выяснить, как именно она пришла к такому решению.

Аналогичным образом сложно понять, когда именно система начала ошибаться в ответах и чем это было вызвано. Профессор компьютерных наук Университета Луисвилля Роман Ямпольский в своей работе «Необъяснимость и непостижимость искусственного интеллекта» отмечал: «Если все, что у нас есть,—это «черный ящик», то невозможно понять причины сбоев и повысить безопасность системы. Кроме того, если мы привыкнем принимать ответы ИИ без объяснения причин, мы не сможем определить, не начал ли он давать неправильные или манипулятивные ответы. Это чрезвычайно опасная дорога, на которую мы ступаем».

Преимущества «черного ящика» заключаются в том, что такое обучение происходит быстрее и стоит дешевле, а также позволяет давать системе для обучения сразу большой массив данных. Современные модели, такие как GPT и Alpha Zero, обучаются именно по модели «черного ящика». Так, OpenAI —разработчик ChatGPT, DALL-E и других ИИ-систем—не стала раскрывать набор данных, использованных для обучения модели GPT-4.

Участники сообщества раскритиковали действия компании, отметив, что они затрудняют разработку средств защиты от угроз, исходящих от систем ИИ. Вице-президент по информационному дизайну Бен Шмидт, который работает в стартапе моделей ИИ с открытым исходным кодом Nomic AI, считает, что выход GPT-4 «может положить конец «открытому» ИИ».

Такой подход имеет и другие негативные стороны—в «черном ящике» сложнее выявить предвзятость алгоритма и оценить качество входных данных. На эту проблему указали исследователи из Пало-Альто, центра Кремниевой долины. Они отмечали, что при обучении больших языковых моделей используются массивы данных из интернета, которые не отражают интересы всех групп населения, поскольку у некоторых из них просто нет доступа к Cети.

Хочешь стать одним из более 100 000 пользователей, кто регулярно использует kiozk для получения новых знаний?
Не упусти главного с нашим telegram-каналом: https://kiozk.ru/s/voyrl

Авторизуйтесь, чтобы продолжить чтение. Это быстро и бесплатно.

Регистрируясь, я принимаю условия использования

Рекомендуемые статьи

Движение вокруг недвижимости Движение вокруг недвижимости

Как искусственный интеллект захватывает один из ключевых рынков

РБК
Атомное размещение Атомное размещение

Зачем «Росатом» решил размещать облигаций за рубежом?

Ведомости
Зачем нужен дворник-беспилотник Зачем нужен дворник-беспилотник

Алексей Сивидов — о роботах, призванных победить дефицит рабочих рук в сфере ЖКХ

РБК
Самые скандальные Папы Римские: от средневековья до наших дней Самые скандальные Папы Римские: от средневековья до наших дней

Какие Папы Римские прославились вовсе не благодеяниями, а громкими скандалами

Maxim
Владимир Васильев: «Гонка технологических «вооружений» уже началась» Владимир Васильев: «Гонка технологических «вооружений» уже началась»

Владимир Васильев – о влиянии больших языковых моделей на будущее человека

РБК
Венгерская хроника Венгерская хроника

Михай Зичи: хроникёр придворной жизни России XIX в акварели

Дилетант
Много шума — и ничего Много шума — и ничего

Антирейтинг — топ-7 наиболее значимых технологических провалов нашего времени

РБК
От синтеза клетки до зрелого цветка От синтеза клетки до зрелого цветка

Как выращиваются орхидеи рода фаленопсис на базе тепличного комбината

Агроинвестор
Сергей Шумский: «У роботов не будет инстинкта власти, как у человека» Сергей Шумский: «У роботов не будет инстинкта власти, как у человека»

Минувший год имеет шансы войти в историю как время взрывного роста нейросетей

РБК
Франшиза: Что скрывается за этим словом? Франшиза: Что скрывается за этим словом?

Франшиза — идеальный рецепт успеха или сложная система с подводными камнями?

Наука и техника
Подъем с переворотом Подъем с переворотом

И века, и десятилетия не всегда совпадают с показаниями календарей

GQ
5 психологических терминов, которые пока не перевели на русский язык 5 психологических терминов, которые пока не перевели на русский язык

Пять психологических терминов из англоязычного интернета

РБК
Марвин Марвин

Правила жизни параноидального андроида Марвина

Правила жизни
Мы одни из них: в чем величие сериала The Last of Us Мы одни из них: в чем величие сериала The Last of Us

Что именно выделяет «Одних из нас» на фоне других сериалов на подобную тематику

Правила жизни
Настоящий имперец Настоящий имперец

Ни один другой немецкий политик не был использован так сильно, как Бисмарк

Дилетант
Экологическая головоломка: как правильно убирать за собакой в 21 веке Экологическая головоломка: как правильно убирать за собакой в 21 веке

Как поддерживать чистоту после своей собаки, не нанося вреда окружающей среде?

Inc.
Напитки с плюсом Напитки с плюсом

Почему растет рынок функциональных продуктов

Агроинвестор
Атлантические крепости Третьего рейха Атлантические крепости Третьего рейха

Атлантический вал: порты-крепости и их роль в обороне Третьего рейха

Наука и техника
Янская стоянка. Палеолитический человек за полярным кругом Янская стоянка. Палеолитический человек за полярным кругом

Янская стоянка — самые северные следы Homo sapiens в Арктике

Наука и техника
На берегах Амура На берегах Амура

Хабаровск – город, который можно не только посетить, но и… носить в кошельке!

Лиза
Привычка худеть Привычка худеть

Думаешь, как сбросить вес без изнурительных тренировок и жестких диет?

Лиза
Мифы и научные данные о животных-долгожителях Мифы и научные данные о животных-долгожителях

От чего зависит скорость старения у разных животных?

Наука и техника
Красная-красная смесь. Гидросистемы летательных аппаратов Красная-красная смесь. Гидросистемы летательных аппаратов

Как устроены гидросистемы в авиации — от цвета до принципов работы

Наука и техника
Губительный пожар, которого не было Губительный пожар, которого не было

ЧП на АПЛ К-152: диверсия врага или трагедия из-за человеческого фактора?

Наука и техника
Топ процедур по омоложению на 45 лет Топ процедур по омоложению на 45 лет

Лучшие косметологические методики для 45-летних

VOICE
Джинсовая революция Джинсовая революция

Как бренд Guess однажды навсегда изменил всю джинсовую индустрию

Grazia
Слушаем и не осуждаем: чем полезны сплетни на работе и когда они вредят коллективу Слушаем и не осуждаем: чем полезны сплетни на работе и когда они вредят коллективу

Как сплетни и слухи могут влиять на рабочий процесс и настроения в офисе

Forbes
Глобализация по-азиатски: как Восток диктует моду, финансы и контент Глобализация по-азиатски: как Восток диктует моду, финансы и контент

Почему Запад больше не задает моду, а учится у Азии

Правила жизни
Гарегин Тосунян: «В силу непонятных нам причин рынок сжимают» Гарегин Тосунян: «В силу непонятных нам причин рынок сжимают»

Как оценивается состояние экономики и банковского сектора

Монокль
Шляпки, розы и Симона Байлз: как скачки в Кентукки стали успешным спортивным ивентом Шляпки, розы и Симона Байлз: как скачки в Кентукки стали успешным спортивным ивентом

Как на ипподроме удалось создать яркие традиции и монетизировать их

Forbes
Открыть в приложении