神经网络就像“炼丹炉”一样，投喂大量数据，或许能获得神奇的效果。
“炼丹”成功后，神经网络也能对没见过的数据进行预测了~
然而，这种情况下，神经网络其实成了“黑匣子”——具有一定的功能，但看不见是怎么起作用的。
如果只做简单的图像分类，其实还好；但如果用在医学方向，对疾病进行预测，那么神经网络下的“判断”就不可轻信。
如果能了解它是怎么工作的，就更好了。
出于这种考虑，来自牛津大学的博士生Oana-Maria Camburu撰写了毕业论文《解释神经网络 （Explaining Deep Neural Networks）》。
在这篇论文中，她将这些“黑匣子”一个个打开，对神经网络原理进行了详细的解释。
为什么要打开神经网络“黑匣子”？
事实上，神经网络之所以起作用，最直观的原因就是，它由大量非线性函数组成。
这些非线性函数，使得网络可以学习原始数据中各种抽象级特征。
然而，也正是因为神经网络中的这些非线性函数，使得人类往往难以理解，它们是如何起作用的。
这就导致神经网络在疾病预测、信用额度、刑法等方向上“不太受欢迎”。
医生和法律相关的研究者往往更乐意采用可解释模型，例如线性回归、决策树，因为神经网络在疾病预测中的确出过问题：
人们利用神经网络预测肺炎患者的病情发展，其中一项患者特征为是否有哮喘病史。
神经网络经过训练后预测，有哮喘病史的患者死于肺炎的可能性较低。
但其实结果恰好相反，哮喘本身会给肺炎带来雪上加霜的效果。
之所以数据表明哮喘患者较少死于肺炎，往往是因为哮喘能被及早发现，所以患者得肺炎后能被及早治疗。
如果这种神经网络被应用于实践中，将会带来非常危险的结果。
此外，即使是神经网络，也会对男女性别产生刻板印象、产生种族偏见。
例如，调查表明，有些语料库和模型，在预测再犯时，会更“偏爱”男性。
除了错误的预测和种族、性别歧视以外，神经网络还很脆弱。
无论是对图像进行小改动欺骗分类算法、还是用语音识别瞒过NLP模型，神经网络被“爆雷”的情况也不少。
为了让神经网络应用于更多的方向，也为了让我们更好地学习它的原理，作者从两个方向对神经网络进行了解释。
2 种方法解释神经网络
“事后再解释”
第一种方法，称之为基于特征的解释方法，又叫“事后再解释”——因为这种方法，是在神经网络训练好后，才对其输入特征进行解释的。
这种方法针对文本的词（token）、或是针对图像的超像素（super pixels），进行“事后”解释。
目前这种方法应用较为普遍，不容易出现解释偏见，但需要验证解释方法的真实性。
这里的根本原理，是研究外部解释方法给出的解释、与模型本身生成的自然语言解释之间，是否存在相关性，而相关性具体又是什么。
在论文中，作者引入了一种新的验证方法，来判断解释方法的真实性。
让神经网络自己解释
那么，如果能让神经网络一边训练、一边“解释自己”呢？
这是论文提到的第二种方法，即在模型中植入一个生成预测解释的模块，对预测的结果进行解释。
至于神经网络对自己的解释是否正确，还需要人为进行判断。
在这里面，作者同样引入了一种判断方法，对模型自己生成的解释进行判断，从而得出神经网络解释的结果。
对神经网络详细结构、具体解释方法感兴趣的小伙伴，可以戳下方论文地址查看~
