蓋世汽車訊 現(xiàn)在，人工智能決策普遍應(yīng)用于自動駕駛汽車、患者診斷和法律咨詢，需要具有安全可靠的性能。研究人員致力于開發(fā)可解釋和透明的模型，以揭開復(fù)雜的人工智能模型的面紗，并將它們統(tǒng)稱為可解釋性人工智能（XAI）方法。據(jù)外媒報道，在期刊《智能計算（Intelligent Computing）》上發(fā)表的一篇綜述文章中，研究團(tuán)隊(duì)專門提供了他們對音頻XAI模型的見解。

（圖片來源：spj.science.org）

盡管對音頻任務(wù)的研究比視覺任務(wù)少，但它們同樣具有重要的表達(dá)能力。音頻信號很容易理解和交流，因?yàn)橥ǔ２幌褚曈X信號那樣依賴于專家的解釋。本質(zhì)上來說，語音識別和環(huán)境聲音分類等場景是基于特定的固有音頻。

該綜述將現(xiàn)有的音頻XAI方法分為兩類，包括適用于音頻模型的通用方法和音頻特定方法：

●  使用通用方法需要選擇起初為非音頻任務(wù)而構(gòu)建的通用模型，并對其進(jìn)行調(diào)整以適應(yīng)特定的音頻任務(wù)。這些方法通過各種輸入表示（如光譜圖和波形）和不同的輸出格式（如特征、示例和概念）來解釋音頻模型。常見的通用方法包括引導(dǎo)式反向傳播，通過突出輸入數(shù)據(jù)中最相關(guān)的部分來增強(qiáng)標(biāo)準(zhǔn)的反向傳播過程；LIME用更簡單的模型來概略估算復(fù)雜的模型；以及利用網(wǎng)絡(luò)剖析（network dissection）來分析神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的內(nèi)部表征。

●  另一方面，音頻特定方法專為音頻任務(wù)而設(shè)計，旨在將音頻輸入分解成有意義的組件，專注于音頻數(shù)據(jù)的聽覺本質(zhì)。例如，CoughLIME（在COVID-19檢測中為咳嗽的聲音提供超聲解釋）和audioLIME（賦予音頻組件重要性，使用源分離來解釋音樂標(biāo)簽?zāi)Ｐ停?/p>

XAI方法還可以按它們的階段、范圍、輸入數(shù)據(jù)類型和輸出格式進(jìn)行分類。階段指的是在訓(xùn)練過程之前、期間或之后生成解釋的階段；范圍是確定該解釋是針對整個模型還是特定輸入。XAI通常涉及不同的策略，例如使用預(yù)定義規(guī)則或特定的輸入示例進(jìn)行解釋，突出最重要的特性、重點(diǎn)領(lǐng)域或輸入變化，以及使用更簡單的模型來局部解釋復(fù)雜的模型。

該研究團(tuán)隊(duì)確定了若干種使音頻模型更容易解釋的方法，例如使用原始波形或光譜圖來提供可聽的解釋，以及在音頻數(shù)據(jù)中定義更高級別的概念，這類似于在圖像數(shù)據(jù)中使用超像素的方式。他們還認(rèn)為，音頻解釋的表達(dá)能力可以擴(kuò)展至非音頻模型，為基于視覺的用戶交互提供補(bǔ)充溝通渠道或成為可能。

返回第一電動網(wǎng)首頁 >