SimpleMind 为深度神经网络引入思考能力
人工智能
2022-12-05 v1
摘要
深度神经网络（DNNs）能够检测数据中的模式，并在许多计算机视觉应用中展现出通用性与强劲性能。然而，单独的 DNN 容易犯违背简单常识概念的明显错误，且在利用显式知识指导其搜索与决策方面的能力有限。尽管 DNN 的总体性能指标可能良好，但这些明显错误加之缺乏可解释性，阻碍了其在医学图像分析等关键任务中的广泛采用。本文旨在介绍 SimpleMind，一个面向医学图像理解的认知 AI（Cognitive AI）开源软件框架。它允许以直观、人类可读的形式创建描述图像对象间预期特征与关系知识库。SimpleMind 框架通过以下方式将思考引入 DNN：（1）提供基于知识库对图像内容进行推理的方法，如空间推理与条件推理以检验 DNN 输出；（2）以通用软件智能体形式应用过程知识，将其链式连接以完成图像预处理、DNN 预测与结果后处理；（3）对所有知识库参数执行自动协同优化，使智能体适应特定问题。SimpleMind 能够对多个检测对象进行推理以确保一致性，提供 DNN 输出间的交叉检验。这种机器推理通过可解释模型与可解释决策提升了 DNN 的可靠性与可信度。文中给出了示例应用，展示 SimpleMind 如何通过将其嵌入认知 AI 框架中来支持并改进深度神经网络。
引用
@article{arxiv.2212.00951,
title = {SimpleMind adds thinking to deep neural networks},
author = {Youngwon Choi and M. Wasil Wahi-Anwar and Matthew S. Brown},
journal= {arXiv preprint arXiv:2212.00951},
year = {2022}
}