Η ομάδα του MIT συνδύασε έναν αλγόριθμο εκμάθησης δεδομένων με ένα βαθύ νευρωνικό δίκτυο που χρησιμοποιεί π.χ.
Για να κάνουν τα συστήματα τεχνητής νοημοσύνης ανθεκτικά σε ασυνεπή δεδομένα, οι ερευνητές προσπάθησαν να εφαρμόσουν εποπτευόμενες άμυνες μάθησης.
Παραδοσιακά, ένα νευρικό δίκτυο μαθαίνει να συνδέεταισυγκεκριμένες ετικέτες ή ενέργειες με δεδομένες εισόδους. Για παράδειγμα, ένα νευρικό δίκτυο που λαμβάνει χιλιάδες εικόνες με ετικέτες ως γάτες, μαζί με εικόνες με ετικέτες ως σπίτια και χοτ-ντογκ, θα πρέπει να επισημαίνει σωστά τη νέα εικόνα ως γάτα.
Σε ισχυρά συστήματα τεχνητής νοημοσύνης, αυτάοι ίδιες εποπτευόμενες μέθοδοι μάθησης μπορούν να δοκιμαστούν με μερικώς τροποποιημένες εκδόσεις της εικόνας. Εάν το δίχτυ χτυπήσει το ίδιο σημάδι - μια γάτα - υπάρχει μεγάλη πιθανότητα η εικόνα και να αλλάξει ή όχι να είναι μια γάτα.
Να χρησιμοποιεί νευρωνικά δίκτυα σε κρίσιμαγια τα σενάρια ασφαλείας, έπρεπε να καταλάβουμε πώς να λαμβάνουμε αποφάσεις σε πραγματικό χρόνο με βάση τις υποθέσεις της χειρότερης περίπτωσης, εξηγούν οι συντάκτες της εφημερίδας.
Ως εκ τούτου, η ομάδα προσπάθησε να βασιστεί σε ένα ακόμημια μορφή μηχανικής μάθησης που δεν απαιτεί τη δέσμευση των επισημασμένων εισόδων στις εξόδους, αλλά στοχεύει στην ενίσχυση συγκεκριμένων ενεργειών ως απάντηση στις εισόδους. Αυτή η προσέγγιση χρησιμοποιείται συνήθως για να διδάξει τους υπολογιστές να παίζουν σκάκι και Go.
Οι συγγραφείς πιστεύουν ότι ο νέος αλγόριθμος CARRL θα μπορούσε να βοηθήσει τα ρομπότ να αντιμετωπίσουν με ασφάλεια τις απρόβλεπτες αλληλεπιδράσεις στον πραγματικό κόσμο.
Διαβάστε περισσότερα
Οι φυσικοί έχουν δημιουργήσει ένα ανάλογο μιας μαύρης τρύπας και επιβεβαίωσαν τη θεωρία του Hawking. Πού οδηγεί;
Ο αλγόριθμος ανακάλυψε ένα νέο μυστηριώδες στρώμα μέσα στη Γη
Λόγω του Ήλιου, η ατμόσφαιρα της Γης θα χάσει όλο το ελεύθερο οξυγόνο