如果一名醫生告知要進行手術，人們肯定首先希望了解為什麼——即便對方不具備任何專業的醫學知識，醫生明確解釋診斷理由仍然極其必要。而人工智慧也一樣。
眾所周知，神經網絡是出了名的難理解——計算機雖然能夠提出一項解決方案，但卻無法就產生的結論做出解釋。現在，來自Google Brain團隊的一名研究科學家Been Kim，正在開發一套「人類翻譯器」，希望構建能夠向任何人做出解釋的AI軟體。
約十年前，人工智慧背後的神經網絡技術開始快速發展，影響了從電子郵件到藥物發明等各個領域，同時表現出越來越強大的學習與數據模式識別能力。然而，這種力量本身還帶來了一種不容忽視的警告：一方面，現代深度學習網絡自主學會如何駕駛汽車以及發現保險欺詐活動具備極高複雜性，同時，也導致其內部運作方式幾乎無法被理解——沒錯，就連AI專家也無法破解箇中奧秘。因此，如果我們通過訓練神經網絡來識別可能存在肝癌、精神分裂症等疾病風險的患者（例如2015年紐約西奈山醫院開發的「Deep Patient」深度病患系統），那麼結果就是，我們根本無法準確辨別神經網絡實際關注的是數據中的哪些特徵。這種「知識」全面分布在神經網絡的各個層，其中每一層都存在數百甚至成千上萬個連接。
隨著越來越多行業試圖通過人工智慧技術實現自身決策，這種類似於「黑匣子」的問題已經不再是一種技術層面的偏執，而成為實實在在的基礎性缺陷。美國國防部高級研究計劃局（簡稱DARPA）的「XAI」項目（即可解釋AI）正在積極研究這個問題，這意味著，可解釋性已經由機器學習的邊緣化研究轉化為新的探索核心。Kim指出，「人工智慧正處於發展的關鍵時刻，人類正在試圖弄清這項技術是否真能為我們帶來助益。如果我們無法解決這個可解釋性問題，我們將不會繼續推進這項技術，甚至有可能將其放棄。」
Kim和谷歌Brain團隊的同事們剛剛開發出一套名為「概念激活矢量測試（Testing with Concept Activation Vectors，簡稱TCAV）」的系統，她將其描述為一種「人類翻譯器」，允許用戶向黑匣子AI詢問某些特定高級概念，從而了解神經網絡的推理過程。舉例來說，如果機器學習系統經過訓練學會了如何發現圖像當中的斑馬，那麼人們就可以利用TCASV來確定這套系統在做出決策時會賦予「條紋」這一概念怎樣的權重。
TCAV系統最初是在一套經過訓練、擁有圖像識別能力的機器學習模型上進行測試的，不過這套系統同時也適用於訓練為文本識別以及對某類數據進行可視化處理的模型——例如EEG波形。Kim解釋稱，「這是一套通用而簡單的系統，你可以將其接入多種不同的模型當中。」
我們與Kim談到了可解釋性的具體含義、其用途以及重要意義所在。以下為經過編輯與提煉的訪談內容。
圖：Google Brain團隊研究科學家Been Kim
問：您的職業生涯一直專注於機器學習的「可解釋性」。但是，可解釋性究竟意味著什麼呢？
Been Kim：可解釋性擁有兩大分支。第一大分支是對科學的可解釋性：如果你將神經網絡視為研究對象，那麼就可以通過科學實驗以真正理解關於模型的一切細節——例如其如何做出反應，諸如此類。
可解釋性的第二大分支，也就是我一直主要關注的方向——對負責任人工智慧的解釋能力。我們不需要了解模型中的所有細節，但必須通過理解來確定我們能夠以安全的方式使用這種工具，這也正是我們設定的目標。
問：那麼您要如何對一套不完全了解其運作方式的系統建立信心？
Been Kim：這裡我想打個比方。假設我的後院有一棵樹，我想把它砍掉，讓院子看起來清爽一點。我可能擁有一把能夠搞定這項工作的鏈鋸。目前，我還不完全了解鏈鋸的工作原理，但產品手冊上提到：「請注意以下事項，以防用戶削到手指。」因此根據這本手冊的說明，我更傾向於使用電鈕而非手鋸，因為雖然後者上手難度更低，但我可能得花上5個小時才能完成砍樹任務。
也就是說，你能夠理解「砍樹」是什麼意思；如此一來，即使你並不很明白鏈鋸的工作原理，也能夠利用它實現這一目標。
沒錯，可解釋性中第二大分支的目標就是：我們是否能夠充分理解一種工具，從而以安全的方式加以使用？我們可以將確定有效的人類知識反映到工具當中，進而建立起這種理解。
問：那麼，「反映人類知識」的方式是如何讓黑匣子AI這類系統具備可理解性的？
Been Kim：下面我想列舉另一個例子。如果醫生使用機器學習模型進行癌症診斷，那麼醫生本人肯定希望確保模型當中不存在那些來自我們不希望使用的數據的某些隨機相關性。要保障這樣的要求，一種可行的方法就是，確定機器學習模型正在以與人類醫生類似的方式執行診斷流程。換句話說，也就是將醫生自己的診斷知識反映在這套機器學習模型當中。
因此，如果醫生們會研究細胞樣本以診斷癌症，他們可能會在樣本當中尋找一種被稱為「融合腺體」的東西。此外，他們可能也會考慮到患者的年齡，以及患者過去是否擁有過化療經歷等等。這些因素正是醫生在嘗試診斷癌症時所關心的因素或者概念。如果我們能夠證明機器學習模型也在關注這些因素，那麼該模型的可理解性將顯著提升，因為其確實反映出與醫生相符的人類知識運用行為。
問：那麼，TCAV的起效方式是否也正是如此——即揭示機器學習模型正在使用哪些高級概念來做出決策？
Been Kim：沒錯。首先我要說明一點，可解釋性方法只是解釋了神經網絡在「輸入特徵」方面做出的實際操作。可能我說得還不夠確切。如果你擁有圖像，那麼其中的每一個像素都屬於輸入特徵。事實上，Yann LeCun（深度學習的早期先驅，Facebook公司AI研究主管）已經表示，他堅信這些模型具備可解釋性。因為我們可以查看神經網絡中的每一個節點，並查看每一項輸入特徵的數值。這些輸入特徵對於計算機來說是很好的素材，但人類卻無法從中直接看出具體意義。畢竟計算機的思維方式類似於「哦，快看，像素數量在100到200之間，RGB值是0，2與0.3。」相比之下，人類會選擇完全不同的概念溝通方式，例如「這是一張小狗的圖片，而且這隻狗的毛非常蓬鬆。」
問：那麼，TCAV是如何在輸入特徵與概念之間進行這種轉換的？
Been Kim：讓我們回到醫生的例子，醫生還是使用機器學習模型，而這套模型已經完成訓練從而通過對細胞樣本圖像的分類診斷潛在癌症。作為醫生，你可能希望了解在對癌症做出主動預測時，機器學習模型對於「融合腺體」的具體重視程度。首先，你會收集一些圖像——比如說20張圖像，其中包含有融合腺體部分。現在，你會將這些帶有標記的示例插入到模型當中。
接下來，TCAV在內部會進行一項所謂「敏感度測試。」當我們添加這些包含融合腺體的標記圖像時，癌症陽性預測的可能性增加了多少？你可以將結果輸出為0到1之間的數字。就是這樣，這一結果就是您得到的TCAV分數。如果概率增加，則意味著融合腺體對於機器學習模型而言確實是一項重要的概念。反之，如果概率沒有增加，則代表模型沒有將其視為一項重要概念。
問：「概念」是一種模糊的表達。是否存在某些不適用於TCAV的場景？
Been Kim：如果我們無法使用（數據集）載體中的某些子集來表達自己的概念，那麼這套判斷系統就沒辦法起效。如果您的機器學習模型是以圖像為基礎進行訓練的，那麼這一概念必須擁有視覺層面的可表達性。舉例來說，我們可以想像要如何以視覺方式表達「愛情」這一概念。這真的是一項很困難的任務。
我們也認真驗證了這一概念。我們擁有一個統計測試程序，如果某個概念矢量對於模型的影響與隨機矢量相同，那麼其就會拒絕該概念矢量。如果你提交的概念沒有通過測試，那麼TCAV會說：「我不知道。這個概念看起來似乎對於模型沒什麼重要影響。」
問：TCAV的主要作用是在AI當中建立信任，而非真正理解AI模型，是嗎？
Been Kim：對，接下來我會解釋其中的原因，因為建立信任與理解模型確實存在著重要的區別。
我們從認知科學與心理學的反覆研究當中認識到，人類非常容易上當受騙。這意味著，欺騙一個人對某些東西產生信任實際非常容易。但機器學習的可解釋性目標恰恰與此相反，它會告訴我們對系統的使用是否安全。換言之，這是在揭示一種真相。所以，我覺得「信任」這個詞用在這裡並不準確。
問：也就是說，可解釋性的核心在於揭示AI推理當中存在的潛在缺陷？
Been Kim：沒錯，就是這麼回事。
問：那麼它是如何揭露這些缺陷的？
Been Kim：你可以利用TCAV向經過訓練的模型詢問一些非相關概念。我們還是以使用AI工具進行癌症診斷的醫生為例子，醫生可能會突然想到，「看起來機器傾向於把藍色色彩比例較高的圖像視為癌症高發指標。我們認為不應該通過這種方式的考慮問題。」因此，如果他們發現「藍色」這一輸入特徵確實擁有更高的TCAV分數，就代表著他們在診斷機器學習模型當中找到了一個問題。
問：TCAV的設計初衷在於處理那些不具備可解釋性的現有AI系統。那麼，為什麼不從開發之初就實現系統的可解釋性，而要繼續構建這些無法解釋的黑匣子型AI？
Been Kim：可解釋性研究的一大分支，側重於構建出能夠反映人類推理方式的固有可解釋模型。但我的看法是：現在人們已經在幾乎各個領域構建起AI模型，這些成果也已經被用於種種重要目標——它們在設計之初並沒有考慮到可解釋性這項要求。這是事實，我們無法迴避。我們在谷歌也擁有大量這樣的模型！您當然可以說，「可解釋性非常重要，我們應該構建新的模型來取代目前正在使用的原有模型。」道理雖然沒錯，但可行性真的不太高。
因此，面對這樣的情況我們該做些什麼？我們仍然需要想辦法順利度過目前的關鍵時刻，即判斷人工智慧技術到底能否給我們帶來助益。出於這樣的考量，我才傾向於使用「訓練後」解釋方法。如果您擁有一套由他人提供的模型，而且已經無法對模型本身做出改變，那麼該如何對其行為生成解釋，從而確保整個使用過程安全而可靠？這正是TCAV系統的核心意義所在。
問：TCAV允許人們向AI發問，藉此了解某些特定概念在決策過程中的重要性水平。然而，如果我們不清楚該如何發問——如何我們希望AI系統能夠自我解釋，又該怎樣實現？
Been Kim：我們目前正在構建新的方案，旨在自動為模型使用者發現概念。我們將其稱為DTCAV，也就是「發現TCAV」。但實際上，我認為讓人類進入整個循環，從而實現機器與人之間的對話才是實現可解釋性的關鍵。
對於大多數高風險應用場景而言，相關領域的專家已經擁有了自己關注的一整套概念清單。我們在谷歌Brain團隊的醫療應用當中已經一次又一次意識到這種狀況的真實性。實際上，使用者並不需要從他處獲取這些相關概念——他們已經擁有重要的概念儲備，並希望把自己的關注點提交給模型。我們與一位治療糖尿病視網膜病變（一種眼科疾病）的醫生一同工作，當我們向她介紹TCAV系統的時候，她感到非常興奮。因為她自己已經擁有大量關於這套模型診斷方法的假設，現在她能夠藉助這套系統測試這些猜想是否正確。這實際上代表著一種巨大的優勢，也是一種強調以用戶為中心的機器學習協作方式。
問：您堅信如果無法實現可解釋性，人類最終也許會放棄人工智慧技術。但考慮到人工智慧如此強大，您真的認為人類會因此將這一切扔進垃圾堆嗎？
Been Kim：是的，我堅信這一點。實際上，專家系統就曾經經歷過同樣的情況。上世紀八十年代，我們認為專家系統能夠以遠低於人類操作人員的成本高效執行某些任務。但是現在，還有誰在使用專家系統？完全沒有。而且在那之後，我們開始進入AI技術的寒冬。
就目前來看，徹底放棄的可能性不大，因為人工智慧已經成為宣傳炒作與投資押注的重要領域。但從長遠角度來看，我認為人類最終也許會做出這樣的決定。可能是出於對可靠性證明缺失的擔憂甚至恐懼，人類將認定人工智慧技術並不適合我們。是的，確實存在這種可能性。