研究意义
研究者希望，他们提出的这个类选择性旋钮能够鼓励其他研究者利用该技术进一步研究类选择性在 DNN 中扮演的角色。重要的是，他们开发的理解复杂神经网络系统的方法是基于有意义的特征。研究者表示，如果能够训练一个没有猫神经元也能很好地识别猫的 DNN，我们就不应该试图通过关注猫的神经元来理解 DNN。相比之下，AI 研究者应该更多地关注、分析大群神经元是如何一起工作的。
从更广泛的意义上来说，研究者认为，他们的研究为将单个神经元特性作为理解 DNN 性能关键的方法提了个醒。在得出这些结论之后，他们还考察了一些广泛使用的可解释性方法如何产生有误导性的结果。
为了解决这些问题，他们发表了一篇立场论文来评估两个个案研究。
本文所讨论的内容主要来自以下三篇论文：
《SELECTIVITY CONSIDERED HARMFUL: EVALUATING THE CAUSAL IMPACT OF CLASS SELECTIVITY IN DNNS》
链接：https://arxiv.org/pdf/2003.01262.pdf?fbclid=IwAR3PlRzcoiGXyfjqfySM5ZEQxeQsYkIknQI5PQfKhPe2XdxDtFUp2ohgAO8
《On the relationship between class selectivity, dimensionality, and robustness》
链接：https://arxiv.org/pdf/2007.04440.pdf?fbclid=IwAR0yRDRql1uii1O_kqqa7EP2gFhKKFHkbq1OE0C9YAf8e6kcge6lu7Q9C1s
【 易于|Facebook：易于解释的神经元可能阻碍深度神经网络的学习】《Towards falsifiable interpretability research 》
链接：https://arxiv.org/pdf/2010.12016.pdf?fbclid=IwAR0lN7qgvPbV3ZUF5WzHs14g5xSr_QVKP9GuG6tkIhY611jWb79oFG9_sBY

• Facebook|谷歌、Facebook未来几周将面临更多的反垄断诉讼
• 审查|Facebook超10亿美元收购Kustomer 该交易仍面临审查
• 买下|罕见收购！Facebook花10亿多美金买下了一家ToB公司
• 反垄断|谷歌和Facebook或于明年1月在美面临新的反垄断诉讼
• 征收|加拿大计划2022年起对Facebook、谷歌等科技巨头征收数字税
• 权威|扎克伯格：Facebook将提供新冠疫苗权威信息
• Facebook曾将Quest 2开发套件伪装成电熨斗
• 漫话：如何给女朋友解释为什么计算机中 0.2 + 0.1 不等于 0.3？
• 被谷歌地图所拍摄的，9张让人难以解释的神秘照片
• 这样和妻子解释：Java动态代理机制详解（JDK和CGLIB