AI 研究人員的目標(biāo)之一是弄清楚如何使機(jī)器學(xué)習(xí)模型更具可解釋性，以便研究人員能夠理解他們做出預(yù)測的原因。谷歌表示，這是對深度神經(jīng)網(wǎng)絡(luò)的預(yù)測的改進(jìn)，而不是理解模型輸出的原因。研究人員展示了如何構(gòu)建一個能夠分析烘焙食譜的可解釋機(jī)器學(xué)習(xí)模型。

該機(jī)器學(xué)習(xí)模型可以開發(fā)自己的新的食譜，并且不需要數(shù)據(jù)的科學(xué)專業(yè)知識來建立模型。Sara Robinson 致力于 Google Cloud 的 AI。在大流行期間，她喜歡烘焙，并將她的人工智能技能轉(zhuǎn)向了業(yè)余愛好。她首先收集了一組食譜數(shù)據(jù)，并構(gòu)建了一個 TensorFlow 模型來吸收一系列成分并輸出諸如“97% 的面包、2% 的蛋糕、1% 的餅干”之類的預(yù)測。

該模型能夠準(zhǔn)確地按類型對食譜進(jìn)行分類，她用它來想出一個新的食譜。她的模型確定配方是 50% 的餅干和 50% 的蛋糕。它被稱為蛋糕。羅賓遜說人工智能的食譜很好吃，嘗起來就像她想象的如果她告訴人工智能制作混合蛋糕餅干會發(fā)生什么。

Robinson 與另一位研究人員合作，使用更大的數(shù)據(jù)集、新工具和可解釋的模型構(gòu)建了烘焙 2.0 模型，以深入了解蛋糕、餅干和面包的制作過程。該模型提出了一種名為“breakie”的新食譜，這是一種混合面包餅干。研究人員使用的數(shù)據(jù)集包括一份包含 16 種核心成分和 600 種食譜的洗衣清單。

作為預(yù)處理的最后一部分，研究人員使用了數(shù)據(jù)增強(qiáng)技巧。數(shù)據(jù)增強(qiáng)是一種從您已有的數(shù)據(jù)中創(chuàng)建新訓(xùn)練示例的方法。人工智能被設(shè)計(jì)成對食譜的份量不敏感，因此研究人員會隨機(jī)將配料量增加一倍或三倍。

機(jī)器學(xué)習(xí)模型可以預(yù)測食譜類型并提供對話，允許研究人員命名模型、他們希望模型訓(xùn)練多長時間，并指示在訓(xùn)練中使用哪些輸入特征。結(jié)果是一個模型能夠預(yù)測正確給出的食譜的類別，并指定對其預(yù)測貢獻(xiàn)最大的成分的重要性分?jǐn)?shù)。