使用認知心理學解釋深度神經網路

    論文： Cognitive Psychology for Deep Neural Networks: A Shape Bias Case Study

    論文地址：https://arxiv.org/abs/1706.08606

     摘要：深度神經網路（DNN）在多種複雜任務中具有優勢，可以達到超出人類能力的表現。雖然過去的大量研究都旨在增進對於模型本身的理解，但卻少有研究將其用於人類認知心理學中問題解釋、理論和試驗方法。為了探索這些工具的潛在價值，我們在發展心理學中選擇了一個完善的分析方法來解釋人類兒童如何學習事物的語言標簽，同時將這種分析應用到 DNN 中。

     通過使用受到原始認知心理學啟發的數據集進行實驗，我們找到了在 ImageNet 上迄今為止表現最佳的一次性學習模型，它展示了與人類相似的偏見：偏向於以形狀而不是顏色對物體進行分類。這種對形狀偏好的量級不僅出現在整體識別中，也出現在子模型裏，甚至會在訓練時在子模型中産生波動。這些結果證明了認知心理學工具能夠揭示 DNN 背後隱藏的計算特性，它同時也為人類學習語言提供了一種計算模型。