TU Wien mullistaa tekoälyn: Uusi menetelmä tekee epävarmuudesta mitattavissa!

Transparenz: Redaktionell erstellt und geprüft.
Veröffentlicht am

Wienin yliopiston tutkijat kehittävät innovatiivisia menetelmiä neuroverkkojen epävarmuustekijöiden laskemiseen tarkempia tekoälypäätöksiä varten.

Forscher der TU Wien entwickeln innovative Methode zur Berechnung von Unsicherheiten in neuronalen Netzen für präzisere KI-Entscheidungen.
Wienin yliopiston tutkijat kehittävät innovatiivisia menetelmiä neuroverkkojen epävarmuustekijöiden laskemiseen tarkempia tekoälypäätöksiä varten.

TU Wien mullistaa tekoälyn: Uusi menetelmä tekee epävarmuudesta mitattavissa!

Mitä uutta Wienin teknillisen yliopiston tutkimuksessa? Omistautunut tutkimusryhmä on kehittänyt innovatiivisen matemaattisen menetelmän neuroverkkojen epävarmuuden laskemiseen. Tämä menetelmä voi mullistaa tavan, jolla teemme tekoälyyn perustuvia päätöksiä. Tekoälymaailmassa, jossa läpinäkyvyys usein puuttuu, tämä on todellinen valopilkku.

Klassisten hermoverkkojen haaste on ilmeinen: ne tuottavat usein samat tulokset samoilla tuloilla, mutta pienet muutokset voivat tuottaa odottamattomia tuloksia. Toistaiseksi nämä järjestelmät eivät ole antaneet mitään tietoa päätöstensä turvallisuudesta. Wienin TU:n tutkijoiden mukaan juuri tässä on aika miettiä asiaa uudelleen. Uudella geometriseen lähestymistapaan perustuvalla menetelmällä syöttöavaruus jaetaan pieniin osa-alueisiin. Mahdolliset tuotokset voidaan laskea tarkasti kullekin näistä alueista, mikä mahdollistaa virhetodennäköisyyksien helpon kvantifioinnin.

Matemaattinen ja tekninen hienostuneisuus

Erityisen jännittäviä ovat ReLU-verkoissa käytettävät erikoisaktivointitoiminnot. Näitä kuvataan kahdella approksimaatioverkolla, mikä yksinkertaistaa laskentatoimia valtavasti. Testeissä tietojouksilla, kuten "Iris", "Viini", "Diabetes" ja "Banaani", tutkijat osoittivat, että heidän menetelmänsä tarjoaa tarkemmat matemaattiset rajat verkkotuloille kuin aiemmat lähestymistavat pystyivät. Kävi ilmi, että menetelmä toimii erityisen tehokkaasti pieniulotteisissa syöttöulottuvuuksissa eikä menetä tarkkuutta monimutkaisemmissakaan haasteissa - vaikkakin suuremman laskentaponnistuksen kustannuksella.

Tämän menetelmän huomattava etu on sen keskittyminen pienempiin, ohjattaviin hermoverkkoihin. Monimutkaisempia tekoälyjärjestelmiä, kuten ChatGPT, ei kuitenkaan voida analysoida. Tämä oivallus avaa uusia näkökulmia erityisesti turvallisuuden kannalta kriittisillä aloilla, kuten lääketieteellinen teknologia, robotiikka, autonomisten ajoneuvojen kehittäminen ja taloudellisten riskien arviointi. Kehittäjien yleistavoitteena on parantaa päätöksentekoa ymmärtämällä paremmin mahdollisten tulosten todennäköisyyksiä.

Tutkimuksen käytännön sovellukset

Tämän uuden menetelmän käyttömahdollisuudet ovat moninaiset ja niillä voi olla kauaskantoisia vaikutuksia monille elämänalueille. Tälle teknologialle voisi pian löytyä käyttöä erityisesti aloilla, joilla turvallisuus ja tarkkuus ovat etusijalla. Olipa kyseessä terveydenhuolto tai rahoitusala – kyky laskea epävarmuustekijöitä ja pystyä perustelemaan päätökset paremmin on erittäin tärkeää.

Wienin teknillisen yliopiston tutkimustyö ei ainoastaan ​​avaa uusia mahdollisuuksia tekoälylle, vaan antaa myös tärkeän sysäyksen jatkokehitykseen tällä jännittävällä ja lupaavalla alueella. Tutkijoita ja yrityksiä kehotetaan nyt ottamaan käyttöön tämä uusi metodologia ja ajattelemaan omaa kehitystään eteenpäin. Tekoälyn tulevaisuudesta voi siis tulla selkeämpi ja ennustettavampi.

Lisätietoja uudesta menetelmästä ja sen vaikutuksista tutkimukseen ja teollisuuteen on yksityiskohtaisissa raporteissa osoitteessa Ingenieur.de ja TU Wien.