Google LLC 在其云平臺上推出了一項新的“ 可解釋AI ”服務，旨在使機器學習模型做出決策的過程更加透明。

谷歌表示，這樣做的想法是，這將有助于建立對這些模型的更大信任。這很重要，因為大多數(shù)現(xiàn)有模型往往相當不透明。只是不清楚他們?nèi)绾巫龀鰶Q定。

Google Cloud AI戰(zhàn)略總監(jiān)Tracy Frey在 今天的博客中解釋說，Explainable AI旨在提高機器學習模型的可解釋性。她說，這項新服務的工作原理是量化每個數(shù)據(jù)因素對模型產(chǎn)生的結果的貢獻，幫助用戶了解其做出決定的原因。

換句話說，它不會以通俗易懂的方式來解釋事物，但是該分析對于首先構建機器學習模型的數(shù)據(jù)科學家和開發(fā)人員仍然有用。

可解釋的AI有進一步的局限性，因為它提出的任何解釋都將取決于機器學習模型的性質(zhì)以及用于訓練它的數(shù)據(jù)。

她寫道：“任何解釋方法都有局限性。” “一方面，AI解釋反映了數(shù)據(jù)中發(fā)現(xiàn)的模型的模式，但它們并未揭示數(shù)據(jù)樣本，總體或應用程序中的任何基本關系。我們正在努力為客戶提供最直接，最有用的解釋方法，同時保持其局限性透明。”

但是，可解釋的AI可能很重要，因為準確解釋特定機器學習模型為何得出結論的原因對于組織內(nèi)的高級管理人員很有用，他們最終負責這些決策。對于高度嚴格的行業(yè)來說，這尤其重要，而信心絕對至關重要。谷歌表示，對于處于這一位置的許多組織而言，目前沒有任何可解釋性的人工智能已經(jīng)超出范圍。

在相關新聞中，Google還發(fā)布了所謂的“模型卡”，作為其Cloud Vision應用程序編程界面的面部檢測和對象檢測功能的文檔。

這些模型卡詳細說明了這些預先訓練的機器學習模型的性能特征，并提供了有關其性能和限制的實用信息。谷歌表示，其目的是幫助開發(fā)人員就使用哪種模型以及如何負責任地部署它們做出更明智的決定。