Tu Wenen revolutioneert Ki: Nieuwe methode maakt onzekerheid meetbaar!
Tu Wenen revolutioneert Ki: Nieuwe methode maakt onzekerheid meetbaar!
Wieden, Österreich - Wat is er nieuw uit onderzoek aan de technische Universiteit van Wenen? Een toegewijd onderzoeksteam heeft een innovatieve wiskundige methode ontwikkeld om onzekerheid in neuronale netwerken te berekenen. Deze methode kan een revolutie teweegbrengen in de manier waarop we beslissingen nemen op basis van kunstmatige intelligentie. In de wereld van AI, waar er vaak een gebrek aan transparantie is, is dit een echte sprankje hoop.
De uitdaging voor klassieke neuronale netwerken is duidelijk: ze leveren vaak dezelfde resultaten als ze identiek zijn, maar kleine veranderingen kunnen onverwachte resultaten veroorzaken. Tot nu toe bieden deze systemen geen informatie over de beveiliging van hun beslissingen. Volgens de onderzoekers van de Wenen University of Technology is het tijd voor een heroverweging. De nieuwe procedure op basis van een geometrische aanpak wordt opgesplitst in kleine secties. Voor elk van deze gebieden kunnen de mogelijke uitgaven exact worden berekend, wat moeiteloos kwantificering van de foutkansen mogelijk maakt.
Wiskundige en technische verfijning
De speciale activeringsfuncties die worden gebruikt in Relu -netwerken zijn bijzonder opwindend. Deze worden beschreven door twee benaderingsnetwerken, die de rekenkundige bewerkingen enorm vereenvoudigt. In tests op gegevensrecords zoals "Iris", "Wine", "Diabetes" en "Banana", hebben de onderzoekers aangetoond dat hun methode nauwkeuriger wiskundige barrières biedt voor netwerkkosten dan eerdere benaderingen. Het bleek dat de methode bijzonder efficiënt werkt in lage dimensionale inputafmetingen en u ook niet tot nauwkeurigheid lokt, zelfs niet in complexere uitdagingen - maar ten koste van een hogere computerinspanning.Een merkbaar voordeel van deze methode is uw focus op kleinere, controleerbare neurale netwerken. Meer complexere AI -systemen, zoals Chatt, kunnen echter niet worden geanalyseerd. Deze bevinding opent nieuwe perspectieven, vooral op beveiligingskritische gebieden zoals medische technologie, robotica, de ontwikkeling van autonome voertuigen en de financiële risicobeoordeling. Het algemene doel van de ontwikkelaars is om de besluitvorming te verbeteren door een beter begrip van de waarschijnlijkheden van mogelijke resultaten.
Praktische toepassingen van onderzoek
Het potentiële mogelijke gebruik van deze nieuwe methode is divers en kan veel reikende effecten hebben op veel gebieden van het leven. Deze technologie kan binnenkort worden gebruikt in velden, waar beveiliging en nauwkeurigheid zeer prioriteit hebben. Of het nu in het gezondheidszorgsysteem of in de financiële sector is - de mogelijkheid om onzekerheden te berekenen en om beslissingen beter te rechtvaardigen, is erg belangrijk.
Onderzoekswerk aan de Technische Universiteit van Wenen opent niet alleen nieuwe kansen voor kunstmatige intelligentie, maar vormt ook een belangrijke impuls voor verdere ontwikkeling in dit opwindende en toekomstgerichte gebied. Onderzoekers en bedrijven worden nu opgeroepen om deze nieuwe methodologie op te nemen en om te blijven nadenken in hun eigen ontwikkelingen. De toekomst van de AI zou dus duidelijker en voorspelbaarder kunnen worden.
Lees voor meer informatie over de nieuwe methode en de effecten ervan op onderzoek en industrie de gedetailleerde rapporten op en tu vienna .
| Details | |
|---|---|
| Ort | Wieden, Österreich |
| Quellen | |
Kommentare (0)