ДалееСледующее руководство
Маховики данных: превращение производственных данных в обучающие данные
Технический
Техническое РУКОВОДСТВО
Функции влияния оценивают, насколько каждый обучающий пример повлиял на прогноз модели, позволяя вам проследить выходные данные до данных, которые их вызвали.
Прослушайте это руководствоОзвучено ИИ · ~2 min
Они имеют значение, потому что превращают непрозрачную модель в нечто, что можно проверить на предмет авторских прав, отладки и доверия.
Influence functions come from robust statistics and were adapted to deep learning by Koh and Liang in 2017. The core question is counterfactual: how would the model's loss on a test point change if a particular training example were removed or up-weighted? Rather than actually retraining (which is hopelessly expensive), influence functions approximate that change using calculus. They compute the gradient of the loss for the training point and the test point, then connect them through the inverse Hessian of the loss, which captures the curvature of the model's parameter space. Under Koh and Liang’s standard upweighting-on-test-loss convention, I_up,loss measures how infinitesimally increasing a training point’s weight changes the loss on a chosen test point. A positive value means upweighting raises test loss (a harmful influence); a negative value means it lowers test loss (a helpful influence). Removing a point reverses the sign of the first-order estimated change. Other influence scores may target predictions or use a different sign convention, so define the quantity before interpreting its sign. The result is a ranked list of the most responsible training examples.
Отслеживание того, какие книги, защищенные авторским правом, больше всего повлияли на отрывок, созданный языковой моделью, для юридического и лицензионного анализа.
Отладка неправильной классификации путем обнаружения неверно помеченных обучающих изображений, которые подтолкнули модель к неправильному ответу.
Обнаружение отравленных или аномальных обучающих примеров, которые оказывают огромное влияние на конкретные прогнозы.
Аудит модели кредитования или найма, чтобы показать, какие исторические записи привели к оспариваемому решению.
Ожидайте, что атрибуция на основе влияния станет инфраструктурой для подотчетности ИИ. Регулирующие органы и суды, проверяющие, является ли текст, защищенный авторским правом, сформированным результатом, захотят указать происхождение на уровне примера, а разработчики будут использовать его для выявления неправильно маркированных или отравленных данных. Более дешевые аппроксимации, такие как TRAK и градиентные эскизы, подталкивают атрибуцию к реальному времени, а сочетание ее с отучением может позволить командам устранить влияние документа без полной переобучения.
Бесплатная рассылка
Три проверенных AI-истории каждое утро буднего дня, написанные простым английским. Бесплатно навсегда, без рекламы.
Одно электронное письмо каждый будний день. Отписаться в один клик. Мы никогда не продаем и не передаем ваш адрес.
Проверьте себя
Мгновенная обратная связь по каждому ответу и общий сертификат с проверяемым идентификатором после прохождения курса.
Поддержите бесплатное образование в области искусственного интеллекта. AI Understanding — это некоммерческая организация 501(c)(3). Никакой рекламы и платного доступа. Сделать пожертвование
Функции влияния оценивают, насколько каждый обучающий пример повлиял на прогноз модели, позволяя вам проследить выходные данные до данных, которые их вызвали. Они имеют значение, потому что превращают непрозрачную модель в нечто, что можно проверить на предмет авторских прав, отладки и доверия.
Функции влияния оценивают влияние изменения веса обучающего примера на потери в контрольной точке, аппроксимируя переобучение с исключением одного без его выполнения.
Классическая формула влияния требует инвертирования гессиана по всем параметрам, что невозможно для моделей с миллиардами параметров.
Статья Пан Вэй Ко и Перси Ляна 2017 года «Понимание прогнозов черного ящика с помощью функций влияния» привела эту технику в глубокое обучение.
For I_up,loss, a negative derivative means increasing the training point’s weight decreases the selected test loss; removing it has the opposite first-order effect.
В исследовании Anthropic 2023 года EK-FAC использовался для аппроксимации обратного гессиана, что позволило анализировать влияние на большие языковые модели.
Продолжайте учиться
Другие руководства, выбранные по этой теме
ДалееСледующее руководство
Маховики данных: превращение производственных данных в обучающие данные
Технический