Open Problemen in Mechanistische Interpretatie

Open Problems in Mechanistic Interpretability

January 27, 2025

Auteurs: Lee Sharkey, Bilal Chughtai, Joshua Batson, Jack Lindsey, Jeff Wu, Lucius Bushnaq, Nicholas Goldowsky-Dill, Stefan Heimersheim, Alejandro Ortega, Joseph Bloom, Stella Biderman, Adria Garriga-Alonso, Arthur Conmy, Neel Nanda, Jessica Rumbelow, Martin Wattenberg, Nandi Schoots, Joseph Miller, Eric J. Michaud, Stephen Casper, Max Tegmark, William Saunders, David Bau, Eric Todd, Atticus Geiger, Mor Geva, Jesse Hoogland, Daniel Murfet, Tom McGrath

cs.AI

Samenvatting

Mechanistische interpreteerbaarheid heeft tot doel de computationele mechanismen te begrijpen die ten grondslag liggen aan de capaciteiten van neurale netwerken om concrete wetenschappelijke en technische doelen te bereiken. Vooruitgang op dit gebied belooft daarom meer zekerheid te bieden over het gedrag van AI-systemen en inzicht te verschaffen in boeiende wetenschappelijke vragen over de aard van intelligentie. Ondanks recente vooruitgang naar deze doelen, zijn er veel open problemen in het vakgebied die opgelost moeten worden voordat veel wetenschappelijke en praktische voordelen gerealiseerd kunnen worden: Onze methoden vereisen zowel conceptuele als praktische verbeteringen om diepere inzichten te onthullen; we moeten uitzoeken hoe we onze methoden het beste kunnen toepassen in het streven naar specifieke doelen; en het vakgebied moet worstelen met sociaal-technische uitdagingen die invloed hebben op en beïnvloed worden door ons werk. Deze vooruitstrevende review bespreekt de huidige grens van mechanistische interpreteerbaarheid en de open problemen waar het vakgebied baat bij kan hebben door deze prioriteit te geven.

English

Mechanistic interpretability aims to understand the computational mechanisms underlying neural networks' capabilities in order to accomplish concrete scientific and engineering goals. Progress in this field thus promises to provide greater assurance over AI system behavior and shed light on exciting scientific questions about the nature of intelligence. Despite recent progress toward these goals, there are many open problems in the field that require solutions before many scientific and practical benefits can be realized: Our methods require both conceptual and practical improvements to reveal deeper insights; we must figure out how best to apply our methods in pursuit of specific goals; and the field must grapple with socio-technical challenges that influence and are influenced by our work. This forward-facing review discusses the current frontier of mechanistic interpretability and the open problems that the field may benefit from prioritizing.