El equipo del MIT combinó un algoritmo de aprendizaje de datos con una red neuronal profunda que utiliza, por ejemplo,
Para hacer que los sistemas de inteligencia artificial sean resistentes a datos inconsistentes, los investigadores han intentado implementar defensas de aprendizaje supervisado.
Tradicionalmente, una red neuronal aprende a conectarseetiquetas o acciones específicas con entradas dadas. Por ejemplo, una red neuronal que recibe miles de imágenes etiquetadas como gatos, junto con imágenes etiquetadas como casas y perritos calientes, debería etiquetar correctamente la nueva imagen como un gato.
En sistemas robustos de inteligencia artificial, aquelloslos mismos métodos de aprendizaje supervisado se pueden probar con versiones parcialmente modificadas de la imagen. Si la red golpea la misma etiqueta, un gato, existe una alta probabilidad de que la imagen y cambie o no sea un gato.
Para utilizar redes neuronales en situaciones críticas.Para los escenarios de seguridad, tuvimos que descubrir cómo tomar decisiones en tiempo real basadas en las suposiciones del peor de los casos, explican los autores del artículo.
Por lo tanto, el equipo buscó apoyarse en uno másuna forma de aprendizaje automático que no requiere la vinculación de entradas etiquetadas a salidas, sino que tiene como objetivo mejorar ciertas acciones en respuesta a las entradas. Este enfoque se usa comúnmente para enseñar a las computadoras a jugar al ajedrez y al Go.
Los autores creen que el nuevo algoritmo CARRL puede ayudar a los robots a lidiar de forma segura con interacciones impredecibles en el mundo real.
Lee mas
Los físicos han creado un análogo de un agujero negro y han confirmado la teoría de Hawking. ¿A dónde lleva?
Algoritmo ha descubierto una nueva capa misteriosa dentro de la Tierra
Debido al Sol, la atmósfera de la Tierra perderá todo el oxígeno libre.