Core Concepts
다중 모달 딥 신경망의 의사 결정 과정을 이해하고 설명하기 위해 개념 선택 모델을 제안한다. 이를 통해 모델의 내부 메커니즘을 투명하게 드러내고 사용자가 개입할 수 있도록 한다.
Abstract
이 논문은 다중 모달 딥 신경망의 의사 결정 과정을 이해하고 설명하는 방법을 제안한다. 기존의 개념 기반 모델은 전문가가 정의한 복잡한 개념을 사용하여 모델의 내부 표현을 설명하지만, 이는 과도한 인간의 편향을 도입할 수 있다.
이 논문에서는 개념 선택 모델(CSM)이라는 새로운 접근법을 제안한다. CSM은 두 단계로 구성된다. 첫째, 개념 라이브러리에서 가장 변별력 있는 상위 개념을 선별하는 탐욕적 거친 선택 알고리즘을 적용한다. 둘째, 마스크 기반 미세 선택 방법을 통해 핵심 개념을 추출한다.
실험 결과, CSM은 기존 블랙박스 모델과 유사한 성능을 보이면서도 해석 가능성이 높다. 또한 인간 평가를 통해 CSM이 선별한 개념이 사람이 이해할 수 있는 수준임을 확인했다. 이를 통해 다중 모달 딥 신경망의 내부 메커니즘을 투명하게 드러내고 사용자가 개입할 수 있는 방법을 제시한다.
Stats
개념 라이브러리의 개념 분포는 긴 꼬리 형태를 보인다.
서로 다른 데이터셋 간 상위 개념의 유사도가 높다.
상위 1000개 개념 중 공통 개념의 수는 데이터셋 간 차이가 클수록 감소한다.
Quotes
"개념 기반 모델은 블랙박스 시각 표현을 일련의 사람이 이해할 수 있는 개념에 매핑하고 이 개념을 사용하여 예측을 수행함으로써 의사 결정 과정의 투명성을 높인다."
"우리는 개념의 장기 꼬리 분포를 관찰하고, 이를 기반으로 인간 선입견을 도입하지 않고 핵심 개념을 추출하는 두 단계 개념 선택 모델(CSM)을 제안한다."