TU Wenen brengt een revolutie teweeg in AI: nieuwe methode maakt onzekerheid meetbaar!

TU Wenen brengt een revolutie teweeg in AI: nieuwe methode maakt onzekerheid meetbaar!

Wat is er nieuw uit onderzoek aan de Technische Universiteit van Wenen? Een toegewijd onderzoeksteam heeft een innovatieve wiskundige methode ontwikkeld om de onzekerheid in neurale 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 transparantie vaak ontbreekt, is dit een echt lichtpuntje.

De uitdaging met klassieke neurale netwerken ligt voor de hand: ze leveren vaak dezelfde resultaten op met identieke input, maar kleine veranderingen kunnen onverwachte resultaten opleveren. Tot op heden hebben deze systemen geen informatie verstrekt over de veiligheid van hun beslissingen. Volgens de onderzoekers van de TU Wenen is dit precies het moment waarop het tijd is voor een heroverweging. Met de nieuwe methode, die gebaseerd is op een geometrische benadering, wordt de invoerruimte opgedeeld in kleine deelgebieden. Voor elk van deze gebieden kunnen de mogelijke outputs exact worden berekend, waardoor de foutkansen eenvoudig kunnen worden gekwantificeerd.

Wiskundige en technische verfijning

Bijzonder spannend zijn de speciale activeringsfuncties die in ReLU-netwerken worden gebruikt. Deze worden beschreven door twee benaderingsnetwerken, wat de berekeningsoperaties enorm vereenvoudigt. In tests met datasets als ‘Iris’, ‘Wine’, ‘Diabetes’ en ‘Banana’ lieten de onderzoekers zien dat hun methode nauwkeurigere wiskundige grenzen geeft aan netwerkoutputs dan eerdere benaderingen konden. Het bleek dat de methode bijzonder efficiënt werkt in laagdimensionale invoerdimensies en zelfs bij complexere uitdagingen de nauwkeurigheid niet verliest - hoewel dit ten koste gaat van hogere rekeninspanningen.

Een opvallend voordeel van deze methode is de focus op kleinere, controleerbare neurale netwerken. Complexere AI-systemen, zoals ChatGPT, kunnen echter niet worden geanalyseerd. Dit inzicht opent nieuwe perspectieven, vooral op veiligheidskritische gebieden zoals medische technologie, robotica, de ontwikkeling van autonome voertuigen en financiële risicobeoordeling. Het algemene doel van de ontwikkelaars is om de besluitvorming te verbeteren door de kansen op mogelijke uitkomsten beter te begrijpen.

Praktische toepassingen van onderzoek

De potentiële toepassingen van deze nieuwe methode zijn divers en kunnen verreikende gevolgen hebben voor veel gebieden van het leven. Deze technologie zou binnenkort toepassing kunnen vinden, vooral op gebieden waar veiligheid en nauwkeurigheid topprioriteiten zijn. Of het nu in de gezondheidszorg of de financiële sector is: het vermogen om onzekerheden in te schatten en beslissingen beter te kunnen onderbouwen is van groot belang.

Het onderzoekswerk aan de Technische Universiteit van Wenen opent niet alleen nieuwe mogelijkheden voor kunstmatige intelligentie, maar biedt ook een belangrijke impuls voor verdere ontwikkeling op dit opwindende en veelbelovende gebied. Onderzoekers en bedrijven worden nu opgeroepen deze nieuwe methodiek over te nemen en vooruit te denken in hun eigen ontwikkelingen. De toekomst van AI zou zo duidelijker en voorspelbaarder kunnen worden.

Voor meer informatie over de nieuwe methode en de impact ervan op onderzoek en industrie kunt u de gedetailleerde rapporten lezen op Ingenieur.de En TU Wenen.