🤖 由 文心大模型 生成的文章摘要
加拿大韦仕敦大学研究人员开发出了一种新技术，基于数学来准确理解神经网络以做出决策——这是机器学习领域一个被广泛认可但又不太理解的过程。
当今的许多技术，从Siri和ChatGPT等数字助理到医学成像和自动驾驶汽车，都由机器学习驱动。然而，支持这些机器学习系统的神经网络（受人类大脑启发的计算机模型）一直难以理解，研究人员称之为“黑匣子”。
“我们创建了可以执行特定任务的神经网络，同时还使我们能够解决控制网络活动的方程式，”数学教授、韦仕敦大学菲尔兹网络科学实验室主任Lyle Muller表示，该实验室隶属于新成立的菲尔兹-西部合作中心。“该数学解决方案让我们能够‘打开黑匣子’，准确了解网络是如何运作的。”
该研究结果发表在《PNAS》杂志上，研究团队首先在图像分割任务中展示了这一新进展。图像分割是计算机视觉的一个基本过程，其中机器学习系统将图像分成不同的部分，例如将图像中的物体与背景分离。
从正方形和三角形等简单的几何形状开始，他们创建了一个可以分割这些基本图像的神经网络。
这种数学方法让团队能够精确理解计算的每个步骤是如何进行的。团队随后发现，该网络还可以分割（或查看和解释）一些自然图像，例如北极熊在雪地中行走的照片或野生鸟类的照片。
韦仕敦大学神经科学研究所成员Muller说：“通过简化流程来获得数学洞察力，我们可构建一个比以前的方法更灵活的网络，并且在从未见过的新输入上也表现良好。”
「93913原创内容，转载请注明出处」
