دانشمندان حوزه یادگیری ماشین به تازگی رویکرد نوآورانهای را معرفی کردهاند که به ما اجازه میدهد شبکههای عصبی را در حین آموزش، با استفاده از «وابستگیهای جزئی» (Partial Dependence) کنترل کنیم. این یعنی به جای اینکه مدل را به حال خود رها کنیم تا هرطور میخواهد یاد بگیرد، میتوانیم آن را با دانش و قوانینِ دنیای واقعی هدایت کنیم.
نتایج این تحقیق نشان میدهد که مدلهای آموزشدیده با این روش، علاوه بر اینکه در پیشبینی سیستمهای پویا عملکرد بهتری دارند، بسیار «تفسیرپذیرتر» هستند و خروجیهای آنها دقیقاً با منطق و دانش کاربر همسو میشود. این قدم بزرگی برای افزایش اعتماد به تصمیمات مدلهای هوش مصنوعی است!
منبع: arXiv Machine Learning
