现在，AI 除了告诉你答案，还能解释为什么
印度有个叫 MogIA 的 AI 最近火了，因为它预测川普会在总统大选中最终胜出。这之所以会引发各界是关注是因为它曾准确预测了前 3 届美国总统大选的结果。然而，我们不禁要问，AI 究竟是如何得出这一结果的？它的思考过程具体是怎样的？
虽然研究人员表示 MogIA 收集了来自各大社交网站和 Google 的大量数据进行分析，但是，MogIA 到底是怎么分析的？这不仅是针对 MogIA，也是不少人对于目前大部分 AI 所产生的疑问——你告诉了我答案，却没有告诉我是如何得到答案的。
不过，麻省理工学院（MIT）计算机科学和人工智能实验室（CSAIL）的研究，可能会很快解决这一问题。他们的初步研究成果表明，神经网络在经过训练后，不仅能够进行分析和预测，还能展示其推导过程。
具体的训练过程是这样的，研究人员选取了一个啤酒评分网站的一组评价，包括评论及用户对香气、口感、外观分别作出的评级（最高为 5 星），并且用户在评论中写明了每一项打分原因，比如“约半英寸厚的棕褐色泡沫”、“标志性的健力士黑啤酒气味”、“缺乏碳酸化”等。
图片来自：azurewebsites
研究人员将神经网络分为两个模块，第一模块负责提取评论文本、分段，再将其提交至第二个模块，由后者根据得到的文本给出相应评级。
也就是说，如果第一模块准确地提取出了这些与评级相关的句子，而第二模块又将其与正确的评级关联，则表示系统是基于与人类相同的标准进行判断。
实验结果显示，当神经网络提取的文本包含那些人类注明原因的片段时，系统对外观和香气的评级，与其实际得分匹配度分别为 95% 和 96%，而机器与人类在口感方面达到了 85% 的共识。
在另一项实验中，研究人员还使用了一组包含有各种问题和答案的数据库，让系统来判决某个问题是否已经被回答过。
图片来自：Engadget
尽管 MIT 还未公开发表他们的 AI 在病理分析方面的应用成果，但这是该项目最终的目标所在。
目前，这套系统已经“查看”了数千份乳腺活检病理报告，从中它“学会了”提取病理专家作出诊断结果的依据。它甚至被用于分析乳房的 X 光照片，这时第一模块提取的就不是文本而是图像了。
MIT 电气工程和计算机科学教授 Jaakkola 表示：
“对预测作出合理的解释将是复杂 AI 系统中一个普遍存在的问题，他们需要能够与人沟通。这是否为最终的解决方案还有待观察，但我们正在对其进行修改完善。从这方面来讲，它为我们提供了一种与模型交流的新方式。”
题图来自：HuffingtonPost
