현재 대부분의 심층 학습의 해석 가능성에 관한 연구는 경험적이며, 심층 신경망의 내부 메커니즘을 다양한 관점에서 철저하게 설명하는 제1원리가 존재하는지 여부는 해결해야 할 중요한 과학 문제 중 하나이다. 본 논문은 등가 상호작용 이론이 심층 신경망의 제1원리 해석 분석에 적용 가능한지에 대해 논의한다. 우리는 해당 이론이 강력한 해석 능력을 갖는 이유는 다음과 같은 4가지 측면에서 주로 나타난다고 생각한다: (1) 신경망의 의사결정 논리를 일련의 기호화된 상호작용으로 변환하는 새로운 공리 체계를 구축했다; (2) 심층 학습의 다양한 특징을 동시에 해석할 수 있으며, 이는 네트워크의 일반화 능력, 저항성, 표현 병목 현상 및 학습 동적성을 포함한다; (3) 심층 학습 알고리즘을 통일적으로 해석할 수 있는 수학 도구를 제공하여 다양한 경험적 귀속 방법 및 적대적 전이 방법 뒤의 메커니즘을 체계적으로 해석할 수 있다; (4) 모델링 프로세스 중에 상호작용 복잡도의 이중 단계 동적 변화를 분석하여 학습 단계에서의 심층 신경망의 복잡성 및 일반화 능력 및 저항성 사이의 관련을 깊이 있게 드러내어 심층 신경망의 일반화 능력, 저항성의 학습 단계에서의 내재적 변화 메커니즘을 깊게 밝혀냈다.

제1원리 해석; 등가 상호작용 이론; 이중 단계 동적 상호작용; 학습 동적성