打破AI黑盒子如何可能
深度學習爆紅,幾乎成了AI的代名詞,語音辨識和視覺辨識成效更是優異,在特定領域的辨識能力甚至超越人類,各行各業都想用,但也衍生了新課題,到底AI為何要你這樣做?
深度學習模型為何建議你這樣做?要靠解釋性AI來告訴你(上)
最近7、8年,各種資料累積夠多,電腦晶片運算力大增,也讓深度學習成了當紅炸子雞,效果非常強大,尤其在語音辨識和視覺辨識的進展更是飛快,但也帶來了新的課題
文 /|2018-10-10
解開深度學習黑盒子的第一步,DeepMind用刪除法了解個別神經元的重要性
DeepMind近日發表一篇研究神經網路運作的論文,藉由刪除神經元的方法了解每個神經元對於整個深度神經網路的重要性,進而打造出更精確的模型。
文 /|2018-03-27
【深度學習三大權威之一開講】臉書AI研究院院長Yann LeCun:AI沒有「常識」是最大挑戰,非監督學習正是突破關鍵!
臉書AI研究院院長Yann LeCun終於在今日(29日)來到臺灣,第一站在臺灣大學以「Deep Learning and the Path to AI」為題,解析深度學習目前的發展、成果、最大的挑戰,以及如何突破困境,這場眾所矚目的盛事,湧入好幾百人前來一睹國際級大師的風采
文 /|2017-06-29
按讚加入iThome粉絲團追蹤