看懂神经网络认了什么：激活图谱画出概念地图

有些图像识别模型内部学了一堆概念，但没人说得清它到底认什么。激活图谱（Activation Atlases）把模型内部对百万张图片的反应取平均，画成一张概念地图，能看出模型的高层误解：比如一张棒球照片让模型把「灰鲸」认成「大白鲨」。

今天排查一个图像模型为什么认错东西时，这类可视化仍是标准工具；后来的解释方法大多是在它上面修修补补。触发场景是模型误判、你想看它内部把图片当成了什么。

如果模型不是做图片分类的，或者图片和常见测试集的分布差得远，就别用它来判断模型行为。它画的是低维投影，路径未必对应真实结构，只能当线索，不能当定量证明。

《Activation Atlases》（2019）｜下次复查 2027-09-20