从AI学习：一种融合专家知识作为教师的交互式学习方法
摘要：深度学习的视觉解释是一种通过可视化判断基准来对判断进行可视化的方法，可以通过可视化注意力图解释特定输入的判断基准。对于输出错误决策基准的深度学习模型，提出了一种通过注意力图将专家人为知识纳入模型以提高解释能力和识别准确性的方法。本研究基于结合专家知识的深度学习模型，提出了一种由学习者“从人工智能中学习”决策基准的方法。准备了一个经过专家修改的注意力图进行微调的“注意力分支网络”(ABN)作为教师。通过使用用于微调ABN和注意力图的交互式编辑工具，学习者通过编辑注意力图和更改推理结果来进行学习。通过反复编辑注意力图并进行推理，使得能够输出正确的识别结果，学习者可以获得嵌入在ABN中的专家判断的基准。对受试者进行的评估实验结果表明，使用该方法进行学习比传统方法更有效。
作者：Kohei Hattori, Tsubasa Hirakawa, Takayoshi Yamashita, Hironobu Fujiyoshi
论文ID：2306.02257
分类：Artificial Intelligence
分类简称：cs.AI
提交时间：2023-06-06