TU Vienna revolutionerer kunstig intelligens: Ny metode gør usikkerhed målbar!

TU Vienna revolutionerer kunstig intelligens: Ny metode gør usikkerhed målbar!

Hvad er nyt fra forskning ved Wiens teknologiske universitet? Et dedikeret forskerhold har udviklet en innovativ matematisk metode til at beregne usikkerhed i neurale netværk. Denne metode kan revolutionere den måde, vi træffer beslutninger baseret på kunstig intelligens på. I AI-verdenen, hvor gennemsigtighed ofte mangler, er dette et rigtigt lyspunkt.

Udfordringen med klassiske neurale netværk er indlysende: de leverer ofte de samme resultater med identiske input, men små ændringer kan give uventede resultater. Til dato har disse systemer ikke givet nogen information om sikkerheden af ​​deres beslutninger. Ifølge forskerne ved TU Wien er det netop her, det er tid til en nytænkning. Med den nye metode, som er baseret på en geometrisk tilgang, er inputrummet opdelt i små delområder. De mulige output kan beregnes nøjagtigt for hvert af disse områder, hvilket gør det nemt at kvantificere fejlsandsynlighederne.

Matematisk og teknisk sofistikering

Særligt spændende er de specielle aktiveringsfunktioner, der bruges i ReLU-netværk. Disse er beskrevet af to tilnærmelsesnetværk, hvilket forenkler beregningsoperationerne enormt. I test på datasæt som "Iris", "Vin", "Diabetes" og "Banana" viste forskerne, at deres metode giver mere præcise matematiske grænser for netværksoutput, end tidligere tilgange var i stand til. Det viste sig, at metoden virker særligt effektivt i lavdimensionelle inputdimensioner og ikke mister nøjagtighed selv i mere komplekse udfordringer - dog på bekostning af højere beregningsmæssig indsats.

En mærkbar fordel ved denne metode er dens fokus på mindre, kontrollerbare neurale netværk. Mere komplekse AI-systemer, såsom ChatGPT, kan dog ikke analyseres. Denne indsigt åbner op for nye perspektiver, især inden for sikkerhedskritiske områder som medicinsk teknologi, robotteknologi, udvikling af autonome køretøjer og økonomisk risikovurdering. Det overordnede mål for udviklerne er at forbedre beslutningstagningen ved bedre at forstå sandsynligheden for mulige resultater.

Praktiske anvendelser af forskning

De potentielle anvendelser af denne nye metode er forskellige og kan have vidtrækkende virkninger på mange områder af livet. Denne teknologi kan snart finde anvendelse, især på områder, hvor sikkerhed og nøjagtighed er topprioriteter. Uanset om det er i sundhedsvæsenet eller den finansielle industri - evnen til at beregne usikkerheder og bedre kunne begrunde beslutninger er meget vigtig.

Forskningsarbejdet på det teknologiske universitet i Wien åbner ikke kun nye muligheder for kunstig intelligens, men giver også et vigtigt skub til videre udvikling på dette spændende og lovende område. Forskere og virksomheder opfordres nu til at tage denne nye metode til sig og tænke fremad i deres egen udvikling. Fremtiden for AI kunne således blive klarere og mere forudsigelig.

For mere information om den nye metode og dens indvirkning på forskning og industri, læs de detaljerede rapporter på Ingenieur.de og TU Wien.