恩智浦為AI注入理解力

人工智能（AI）的例子無(wú)處不在。我們對于AI的使用可能超出想象，并且在許多方面將這種使用視為理所當然。智能手機助手就是一個(gè)很好的例子，盡管我們可能并不認為這與AI有關(guān)。許多場(chǎng)景中，我們已經(jīng)習慣于與Siri或Google Assistant的互動(dòng)。面部識別也已成為新一代智能手機的標準解鎖功能。

機器學(xué)習屬于A(yíng)I的一個(gè)子集，原理是通過(guò)訓練基于計算機的神經(jīng)網(wǎng)絡(luò )模型來(lái)識別給定的模型或聲音。在神經(jīng)網(wǎng)絡(luò )完成訓練后，就可以推理出結果。例如，如果我們用數百張狗和貓的圖像訓練神經(jīng)網(wǎng)絡(luò )，那么它應該能夠正確地識別圖片中是狗還是貓。網(wǎng)絡(luò )模型會(huì )確定答案并指示預測的類(lèi)別概率。

隨著(zhù)基于機器學(xué)習的應用越來(lái)越深入日常生活，系統開(kāi)發(fā)人員已經(jīng)逐漸意識到神經(jīng)網(wǎng)絡(luò )當前的運行方式不一定正確。讓我們回到上面的例子，如果我們向神經(jīng)網(wǎng)絡(luò )展示一匹馬的圖片，那么僅經(jīng)過(guò)貓狗推理訓練的神經(jīng)網(wǎng)絡(luò )不得不在已訓練的類(lèi)別中選擇一個(gè)。更令人擔憂(yōu)的是，神經(jīng)網(wǎng)絡(luò )模型給出錯誤預測的概率很高，有時(shí)用戶(hù)甚至都不會(huì )注意到，模型就已經(jīng)無(wú)聲無(wú)息地失敗了。

然而，人類(lèi)應對類(lèi)似情況的方法大不相同，我們會(huì )使用更合理的決策方法。我們希望神經(jīng)網(wǎng)絡(luò )誠實(shí)地回答說(shuō)它不知道答案，或者從未見(jiàn)過(guò)馬的圖像。這看似簡(jiǎn)單的例子說(shuō)明神經(jīng)網(wǎng)絡(luò )仍然存在缺陷，難以在充滿(mǎn)突發(fā)情況和不確定性的人類(lèi)世界中運作。然而，現實(shí)情況是，即使在某些情況下會(huì )存在這些問(wèn)題，許多工業(yè)和汽車(chē)系統仍在繼續開(kāi)發(fā)神經(jīng)網(wǎng)絡(luò )。

恩智浦多年來(lái)投資構建AI功能，并一直在關(guān)注神經(jīng)網(wǎng)絡(luò )模型的上述缺陷。相較于智能手機助手推斷語(yǔ)音的錯誤，機器學(xué)習在工業(yè)或醫療保健環(huán)境中出現錯誤的危險性要大得多。因此，我們正在為客戶(hù)提供先進(jìn)的機器學(xué)習解決方案，并且正持續研究一種名為“可解釋的AI”（xAI）的方法。xAI通過(guò)添加更合理的、類(lèi)似于人的決策方法和額外的確定性維度，擴展了機器學(xué)習的推理和計算概率能力。xAI將AI的所有優(yōu)勢與推理機制相結合，使其更接近人類(lèi)的反應方式。

假設您是自動(dòng)駕駛汽車(chē)的乘客，如果車(chē)輛緩慢地行駛，您自然會(huì )想知道為什么車(chē)輛要如此小心。如果駕駛員是人類(lèi)，您可能會(huì )直接詢(xún)問(wèn)駕駛員為什么汽車(chē)行駛速度如此之慢。駕駛員會(huì )解釋說(shuō)，下大雨時(shí)能見(jiàn)度很差，他們不確定前面會(huì )有什么危險。這一解釋是基于不確定性做出的。xAI的決策也會(huì )遵循類(lèi)似的行為模式來(lái)表達模型推理的不確定性存在于哪些方面。 

恩智浦已經(jīng)在研究如何將xAI功能整合到我們?yōu)槠?chē)、工業(yè)和醫療保健系統開(kāi)發(fā)的機器學(xué)習解決方案中。

鑒于史無(wú)前例的全球新冠肺炎（COVID-19）大流行，xAI研究團隊認為，恩智浦xAI可能有助于實(shí)現對患者疾病的快速檢測。雖然現在研究尚處于初期，但是已有的可行性證據讓我們深受鼓舞。另外，我們與一些技術(shù)領(lǐng)先的醫院建立了互動(dòng)，積極了解xAI技術(shù)對全球面臨的醫療保健挑戰有何幫助。

除了規定的PCR測試和診斷方案以外，CT放射和X射線(xiàn)影像的使用提供了快速的替代檢測功能。通過(guò)適當培訓的xAI模型來(lái)處理CT和X射線(xiàn)影像，就能區分未感染病例和感染病例。xAI能夠提供實(shí)時(shí)推理可信度和可解釋的洞察，以幫助臨床人員確定下一步治療方案。

xAI研究團隊相信他們的推理模型已經(jīng)趨于成熟，目前正在與歐洲和美洲的醫學(xué)和AI專(zhuān)家進(jìn)行討論。但是，為了進(jìn)一步推動(dòng)研究，我們必須訪(fǎng)問(wèn)更大的匿名數據集，積極尋求新冠肺炎研究人員和潛在合作伙伴的反饋，共同合作以改進(jìn)這種檢測技術(shù)。如果您想與我們合作使用xAI進(jìn)行新冠肺炎檢測，請聯(lián)系我們的研究團隊。

xAI使我們能夠在涉及不確定性的情況下，做出更接近人類(lèi)的反應。它提高了基于概率的決策分類(lèi)的確定性和可行度。恩智浦在面向汽車(chē)、工業(yè)和醫療保健應用的關(guān)鍵安全系統中發(fā)現了xAI的機遇。