Ilmuwan komputer meneliti pembelajaran mesin yang dapat ditafsirkan, mengembangkan AI untuk menjelaskan penemuannya
Sciences

Ilmuwan komputer meneliti pembelajaran mesin yang dapat ditafsirkan, mengembangkan AI untuk menjelaskan penemuannya


Kredit: Pixabay / CC0 Domain Publik

Kecerdasan buatan membantu para ilmuwan membuat penemuan, tetapi tidak semua orang dapat memahami bagaimana ia mencapai kesimpulannya. Seorang ilmuwan komputer UMaine sedang mengembangkan jaringan saraf dalam yang menjelaskan temuan mereka dengan cara yang dapat dipahami pengguna, menerapkan karyanya pada biologi, kedokteran, dan bidang lain.

Pembelajaran mesin yang dapat ditafsirkan, atau AI yang menciptakan penjelasan untuk temuan yang dicapainya, mendefinisikan fokus penelitian Chaofan Chen. Asisten profesor ilmu komputer mengatakan pembelajaran mesin yang dapat ditafsirkan juga memungkinkan AI untuk membuat perbandingan antara gambar dan prediksi dari data, dan pada saat yang sama, menguraikan alasannya.

Ilmuwan dapat menggunakan pembelajaran mesin yang dapat ditafsirkan untuk berbagai aplikasi, mulai dari mengidentifikasi burung dalam gambar untuk survei satwa liar hingga menganalisis mammogram.

“Saya ingin meningkatkan transparansi untuk pembelajaran mendalam, dan saya ingin jaringan saraf yang dalam untuk menjelaskan mengapa sesuatu seperti itu,” kata Chen. “Apa yang mulai disadari oleh banyak orang adalah bahwa jaringan saraf yang dalam seperti kotak hitam, dan orang perlu mulai mencari cara untuk membuka kotak hitam.”

Chen mulai mengembangkan teknik pembelajaran mesin yang dapat diterjemahkan saat belajar di Duke University, di mana dia memperoleh gelar Ph.D dalam ilmu komputer pada bulan Mei.

Ilmuwan komputer meneliti pembelajaran mesin yang dapat ditafsirkan, mengembangkan AI untuk menjelaskan penemuannya

Kredit: Universitas Maine

Sebelum bergabung dengan UMaine, Chen dan rekan peneliti di Duke mengembangkan arsitektur pembelajaran mesin yang dikenal sebagai prototypical part network (ProtoPNet) untuk menunjukkan dan mengkategorikan burung dalam foto, lalu menjelaskan temuannya. ProtoPNet, yang diselesaikan tim tahun lalu, akan menjelaskan mengapa burung yang diidentifikasi itu adalah burung dan mengapa ia mewujudkan jenis burung tertentu.

Peneliti melatih ProtoPNet untuk menentukan jenis burung yang ada di foto. AI, misalnya, akan mempelajari seperangkat fitur prototipe yang menjadi ciri setiap spesies burung, dan membandingkan bagian gambar burung yang berbeda dengan fitur prototipe ini dari berbagai spesies burung. Misalnya, ProtoPNet akan membandingkan apa yang dianggap sebagai kepala burung dalam gambar dengan prototipe kepala burung dari berbagai kelas burung. Menggunakan kemiripan fitur prototipe spesies burung, ProtoPNet dapat menjelaskan mengapa gambar tersebut adalah jenis burung tertentu, kata Chen.

Tim tersebut membagikan temuannya dalam makalah yang dipresentasikan selama Konferensi ke-33 tentang Sistem Pemrosesan Informasi Saraf tahun lalu di Vancouver, Kanada.

“Ini adalah cara yang sangat visual untuk mengukur keseluruhan proses penalaran … bahwa ‘burung ini adalah burung pipit berwarna tanah liat karena mengandung bagian-bagian yang merupakan prototipe dari burung pipit berwarna tanah liat,” kata Chen. “Pengenalan burung adalah tolok ukur populer untuk klasifikasi gambar berbutir halus, jadi saya pikir ini akan menjadi contoh yang bagus untuk teknik kami.”

Ilmuwan komputer UMaine telah memulai studi AI lain dengan kolega dan mahasiswa dari Duke University mengeksplorasi bagaimana mereka dapat menerapkan ProtoPNet untuk meninjau mammogram untuk mengetahui tanda-tanda kanker payudara.

Namun, ProtoPNet berjuang untuk fokus pada bagian penting dari mammogram untuk menunjukkan tanda-tanda kanker payudara karena kurangnya pelatihan yang ditanamkan pada dokter, kata Chen. Tim tersebut akan melatih jaringan untuk mengevaluasi mammogram seperti seorang profesional medis dan mempelajari serta mengidentifikasi pola penting dalam citra tersebut.

Mitra Chen untuk proyek tersebut, semuanya dari Duke University, termasuk Ph.D. mahasiswa Alina Jade Barnett dan Yinhao Ren, mahasiswa sarjana Chaofan Tao, profesor ilmu komputer Cynthia Rudin, profesor dan Wakil Ketua Riset dan Radiologi Joseph Lo, dan peneliti radiologi pascadoktoral Fides Regina Schwartz.

“Ini berdampak nyata,” kata Chen. “Saya sangat senang melihat karya saya memberikan kontribusi positif bagi masyarakat.”

Penelitian Chen bertepatan dengan inisiatif AI UMaine, upaya untuk mengubah negara menjadi pusat kelas dunia untuk penelitian dan pendidikan kecerdasan buatan, dan mengembangkan solusi berbasis AI yang meningkatkan kesejahteraan sosial dan ekonomi.

“Sangat memuaskan bagi saya melihat tidak hanya kemampuan (untuk AI) untuk memprediksi sesuatu dan memprediksi sesuatu dengan baik, tetapi untuk meniru pemikiran manusia,” katanya.


Pengamat burung AI ini memungkinkan Anda ‘melihat’ melalui mata mesin


Informasi lebih lanjut:
Ini Terlihat Seperti Itu: Pembelajaran Mendalam untuk Pengenalan Gambar yang Dapat Ditafsirkan: paper.nips.cc/paper/9095-this… mage-recognition.pdf

Disediakan oleh University of Maine

Kutipan: Ilmuwan komputer meneliti pembelajaran mesin yang dapat ditafsirkan, mengembangkan AI untuk menjelaskan penemuannya (2020, 4 November), diakses 27 November 2020 dari https://techxplore.com/news/2020-11-scientist-machine-ai-discoveries.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Hongkong Prize