TU Viin muudab tehisintellekti revolutsiooniliseks: uus meetod muudab määramatuse mõõdetavaks!

Transparenz: Redaktionell erstellt und geprüft.
Veröffentlicht am

Viini TLÜ teadlased töötavad välja uuenduslikke meetodeid närvivõrkude määramatuse arvutamiseks täpsemate tehisintellekti otsuste tegemiseks.

Forscher der TU Wien entwickeln innovative Methode zur Berechnung von Unsicherheiten in neuronalen Netzen für präzisere KI-Entscheidungen.
Viini TLÜ teadlased töötavad välja uuenduslikke meetodeid närvivõrkude määramatuse arvutamiseks täpsemate tehisintellekti otsuste tegemiseks.

TU Viin muudab tehisintellekti revolutsiooniliseks: uus meetod muudab määramatuse mõõdetavaks!

Mida uut on Viini Tehnikaülikooli teadusuuringutest? Spetsiaalne uurimisrühm on välja töötanud uuendusliku matemaatilise meetodi närvivõrkude määramatuse arvutamiseks. See meetod võib muuta tehisintellektil põhinevate otsuste tegemise viisi. AI maailmas, kus sageli puudub läbipaistvus, on see tõeline helge koht.

Klassikaliste närvivõrkude väljakutse on ilmne: sageli annavad need samad tulemused identsete sisenditega, kuid väikesed muudatused võivad anda ootamatuid tulemusi. Siiani ei ole need süsteemid andnud teavet oma otsuste turvalisuse kohta. Viini TLÜ teadlaste sõnul on just siin aeg ümber mõelda. Uue geomeetrilisel lähenemisel põhineva meetodiga jaotatakse sisestusruum väikesteks alampiirkondadeks. Võimalikud väljundid saab arvutada täpselt iga valdkonna jaoks, mis võimaldab vea tõenäosust lihtsalt kvantifitseerida.

Matemaatiline ja tehniline keerukus

Eriti põnevad on ReLU võrkudes kasutatavad spetsiaalsed aktiveerimisfunktsioonid. Neid kirjeldavad kaks lähendusvõrku, mis lihtsustab arvutustoiminguid tohutult. Andmekogumitega, nagu "Iris", "Vein", "Diabeet" ja "Banaan" tehtud katsetes näitasid teadlased, et nende meetod pakub võrguväljunditele täpsemaid matemaatilisi piire, kui varasemad lähenemisviisid suutsid. Selgus, et meetod töötab eriti tõhusalt madaladimensiooniliste sisenddimensioonide puhul ega kaota täpsust ka keerukamate väljakutsete korral – kuigi suurema arvutuskoormuse arvelt.

Selle meetodi märgatav eelis on keskendumine väiksematele, juhitavatele närvivõrkudele. Keerulisemaid tehisintellektisüsteeme, näiteks ChatGPT-d, aga analüüsida ei saa. See arusaam avab uusi väljavaateid, eriti ohutuse seisukohalt kriitilistes valdkondades, nagu meditsiinitehnoloogia, robootika, autonoomsete sõidukite arendamine ja finantsriskide hindamine. Arendajate üldine eesmärk on parandada otsuste tegemist, mõistes paremini võimalike tulemuste tõenäosust.

Uurimistöö praktilised rakendused

Selle uue meetodi võimalikud kasutusvõimalused on mitmekesised ja neil võib olla kaugeleulatuv mõju paljudele eluvaldkondadele. See tehnoloogia võib peagi leida rakendust, eriti valdkondades, kus ohutus ja täpsus on esmatähtsad. Olgu tervishoius või finantssektoris – väga oluline on oskus arvutada ebakindlust ja osata otsuseid paremini põhjendada.

Teadustöö Viini Tehnikaülikoolis mitte ainult ei ava uusi võimalusi tehisintellektile, vaid annab ka olulise tõuke edasiseks arenguks selles põnevas ja paljutõotavas valdkonnas. Teadlasi ja ettevõtteid kutsutakse nüüd üles seda uut metoodikat kasutusele võtma ja oma arenguid ette mõtlema. AI tulevik võib seega muutuda selgemaks ja prognoositavamaks.

Lisateavet uue meetodi ja selle mõju kohta teadusele ja tööstusele leiate üksikasjalikest aruannetest aadressil Ingenieur.de ja TLÜ Viin.