قام فريق معهد ماساتشوستس للتكنولوجيا بدمج خوارزمية تعلم البيانات مع شبكة عصبية عميقة تستخدم على سبيل المثال.
ولجعل أنظمة الذكاء الاصطناعي قادرة على مواجهة البيانات غير المتسقة، حاول الباحثون تنفيذ دفاعات التعلم الخاضعة للإشراف.
تقليديا ، تتعلم الشبكة العصبية الاتصالتسميات أو إجراءات محددة مع مدخلات معينة. على سبيل المثال ، يجب على الشبكة العصبية التي تتلقى آلاف الصور التي تم تمييزها على أنها قطط ، جنبًا إلى جنب مع الصور التي تم تمييزها على أنها منازل وهوت دوج ، تسمية الصورة الجديدة بشكل صحيح على أنها قطة.
في أنظمة الذكاء الاصطناعي القوية ، هؤلاءيمكن اختبار نفس طرق التعلم الخاضعة للإشراف مع الإصدارات المعدلة جزئيًا من الصورة. إذا وصلت الشبكة إلى نفس التصنيف - قطة - فهناك احتمال كبير أن تكون الصورة والتغييرات أو لا تكون قطة.
لاستخدام الشبكات العصبية في الحرجةبالنسبة للسيناريوهات الأمنية، كان علينا معرفة كيفية اتخاذ قرارات في الوقت الفعلي بناءً على افتراضات أسوأ الحالات، كما يوضح مؤلفو الدراسة.
لذلك ، سعى الفريق إلى الاعتماد على واحد آخرشكل من أشكال التعلم الآلي لا يتطلب ربط المدخلات المصنفة بالمخرجات ، بل يهدف إلى تعزيز إجراءات معينة استجابة للمدخلات. يستخدم هذا النهج بشكل شائع لتعليم أجهزة الكمبيوتر لعب الشطرنج والذهاب.
يعتقد المؤلفون أن خوارزمية CARRL الجديدة يمكن أن تساعد الروبوتات على التعامل بأمان مع التفاعلات غير المتوقعة في العالم الحقيقي.
قراءة المزيد
ابتكر الفيزيائيون نظيرًا للثقب الأسود وأكدوا نظرية هوكينغ. إلى أين تقود؟
اكتشفت الخوارزمية طبقة غامضة جديدة داخل الأرض
بسبب الشمس ، يفقد الغلاف الجوي للأرض كل الأكسجين الحر