ترجمه فارسی مقاله اثر هوشمندانه هانس در یادگیری بدون نظارت

چکیده

Unsupervised learning has become an essential building block of AI systems. The representations it produces, e.g. in foundation models, are critical to a wide variety of downstream applications. It is therefore important to carefully examine unsupervised models to ensure not only that they produce accurate predictions, but also that these predictions are not “right for the wrong reasons”, the so-called Clever Hans (CH) effect. Using specially developed Explainable AI techniques, we show for the first time that CH effects are widespread in unsupervised learning. Our empirical findings are enriched by theoretical insights, which interestingly point to inductive biases in the unsupervised learning machine as a primary source of CH effects. Overall, our work sheds light on unexplored risks associated with practical applications of unsupervised learning and suggests ways to make unsupervised learning more robust.

چکیده به فارسی (ترجمه ماشینی)

یادگیری بدون نظارت به یک ساختمان اساسی سیستم های AI تبدیل شده است.بازنمایی هایی که تولید می کند ، به عنوان مثالدر مدل های پایه ، برای طیف گسترده ای از برنامه های پایین دست بسیار مهم هستند.بنابراین مهم است که مدل های بدون نظارت را با دقت بررسی کنیم تا نه تنها از پیش بینی های دقیق تولید کنند ، بلکه این پیش بینی ها نیز به دلایل اشتباه “درست نیستند” ، به اصطلاح اثر هوشمندانه Hans (CH).با استفاده از تکنیک های قابل توضیح AI قابل توضیح ، برای اولین بار نشان می دهیم که اثرات CH در یادگیری بدون نظارت گسترده است.یافته های تجربی ما توسط بینش های نظری غنی شده است ، که جالب توجه به تعصبات القایی در دستگاه یادگیری بدون نظارت به عنوان منبع اصلی اثرات CH اشاره دارد.به طور کلی ، کار ما خطرات ناشناخته مرتبط با کاربردهای عملی یادگیری بدون نظارت را روشن می کند و راه هایی را برای یادگیری بدون نظارت بیشتر نشان می دهد.