向 AI 学习：一种使用融入专家知识 DNN 模型作为教师的交互式学习方法
人工智能
2023-06-06 v1
摘要
视觉解释是一种可视化深度学习判断依据的方法，通过可视化注意力图，可以直观地解释某一输入判断的依据。针对输出错误决策依据的深度学习模型，提出了一种通过注意力图将人类专家知识融入模型、从而提高解释力与识别精度的方法。本研究基于融入专家知识的深度学习模型，提出了一种让学习者“向 AI 学习”其决策依据的方法。我们准备了一个经专家修改的注意力图微调过的“注意力分支网络”(ABN) 作为教师。通过使用针对微调后 ABN 与注意力图的交互式编辑工具，学习者通过编辑注意力图并改变推理结果来进行学习。通过反复编辑注意力图并进行推理以输出正确识别结果，学习者可以习得嵌入于 ABN 中的专家判断依据。以受试者为对象进行的评估实验结果表明，使用所提方法的学习比传统方法更高效。
引用
@article{arxiv.2306.02257,
title = {Learning from AI: An Interactive Learning Method Using a DNN Model Incorporating Expert Knowledge as a Teacher},
author = {Kohei Hattori and Tsubasa Hirakawa and Takayoshi Yamashita and Hironobu Fujiyoshi},
journal= {arXiv preprint arXiv:2306.02257},
year = {2023}
}
备注
12 pages, 5 figures