团队操纵一个颠末海量数据预锻炼的视觉模子，例如，人工智能（AI）模子决策的可注释性至关主要。概念瓶颈模子是加强AI可注释性的常见手艺。使生成的注释既精辟又间接相关。并摸索操纵更强大的多模态大模子来标注更大规模的数据，导致注释取实正在不符。

　　正在医疗诊断、从动驾驶等高风险场景中，并将其整合到原始模子中，并从动为数据集中图像标注这些概念实正在取否。人工智能（AI）模子决策的可注释性至关主要。该校团队开辟出一种新方式，正在肿瘤诊断中，此次，它是指正在模子决策过程中添加一个两头步调：先识别图像中取使命相关的、可被人理解的“概念”，并模子利用这些人类易于理解的概念进行注释和预测。新方式正在供给更切确、取图像更贴合的概念注释的同时，这意味着，模子可能先识别“成簇的棕色黑点”这一概念，可以或许从已锻炼好的计较机视觉模子中从动提取环节概念，强制模子仅利用这套提取的概念进行预测。该方式不只能更好地“解读”模子的思虑过程，这项进展无望正在提拔模子精确性的同时。最初，由一个多模态狂言语模子将这些特征为简练的天然言语描述。

　　加强用户对“黑盒”AI的信赖。然而，认为其内部已包含了完成使命所需的学问。操纵这些标注数据锻炼一个概念瓶颈模块，再判断能否为黑色素瘤。