Tim Ngembangkeun Pendekatan pikeun Ngabandingkeun Jaringan Neural

Tim peneliti di Laboratorium Nasional Los Alamos parantos ngembangkeun pendekatan énggal pikeun ngabandingkeun jaringan saraf. Numutkeun tim, pendekatan anyar ieu kasampak dina "kotak hideung" kecerdasan jieunan (AI), sarta eta mantuan aranjeunna ngartos kabiasaan jaringan neural. Jaringan saraf, anu mikawanoh pola dina set data, dianggo pikeun rupa-rupa aplikasi sapertos sistem pangenal raray sareng kendaraan otonom. 

Tim nampilkeun makalahna, "Upami Anjeun Ngalatih Hiji, Anjeun Ngalatih Sadayana: Kasaruaan Antar-Arsitéktur Ngaronjat Kalayan Kakuatan," dina Konférénsi ngeunaan Kateupastian dina Kecerdasan Buatan. 

Haydn Jones nyaéta panalungtik dina Advanced Research in Cyber ​​Systems group di Los Alamos sareng panulis utama makalah panalungtikan. 

Leuwih alus Pamahaman Neural Networks 

"Komunitas panalungtikan intelijen buatan henteu kedah gaduh pamahaman anu lengkep ngeunaan naon anu dilakukeun ku jaringan saraf; aranjeunna masihan kami hasil anu saé, tapi kami henteu terang kumaha atanapi kunaon, ”saur Jones. "Metoda anyar kami ngalakukeun padamelan anu langkung saé pikeun ngabandingkeun jaringan saraf, anu mangrupikeun léngkah anu penting pikeun langkung ngartos matematika di tukangeun AI. 

Panaliti anyar ogé bakal maénkeun peran dina ngabantosan para ahli ngartos paripolah jaringan saraf anu kuat. 

Bari jaringan neural kinerja tinggi, aranjeunna oge rapuh. Parobihan leutik dina kaayaan, sapertos tanda lirén sawaréh katutupan anu diolah ku kendaraan otonom, tiasa nyababkeun jaringan saraf salah ngidentipikasi tanda éta. Ieu hartosna éta moal pernah eureun, anu tiasa ngabuktikeun bahaya. 

Adversarial Pelatihan Neural Networks

Para panalungtik narékahan pikeun ningkatkeun jinis jaringan saraf ieu ku cara ningali cara pikeun ningkatkeun kakuatan jaringan. Salah sahiji pendekatan ngalibatkeun "nyerang" jaringan salila prosés latihan maranéhanana, dimana peneliti ngahaja ngenalkeun aberrations bari latihan AI pikeun malire aranjeunna. Prosésna, anu disebut latihan adversarial, ngajantenkeun jaringan langkung hésé dibobodo. 

Tim éta nerapkeun métrik anyar kasaruaan jaringan pikeun jaringan neural anu dilatih sacara adversarially. Aranjeunna reuwas pikeun manggihan yén latihan adversarial ngabalukarkeun jaringan saraf dina domain visi komputer konvergen kana representasi data nu sarupa, euweuh urusan arsitektur jaringan, sakumaha gedena serangan urang naek. 

"Kami mendakan yén nalika urang ngalatih jaringan saraf janten kuat ngalawan serangan musuh, aranjeunna mimiti ngalakukeun hal anu sami," saur Jones. 

Ieu sanés waktos para ahli milarian arsitéktur anu sampurna pikeun jaringan saraf. Tapi, panemuan anyar nunjukkeun yén perkenalan latihan adversarial nutup jurang sacara signifikan, anu hartosna komunitas panaliti AI panginten henteu kedah ngajalajah seueur arsitéktur énggal sabab ayeuna dipikanyaho yén latihan lawan nyababkeun rupa-rupa arsitéktur konvergen kana solusi anu sami. 

"Ku mendakan yén jaringan saraf anu kuat sami sareng anu sanés, kami ngagampangkeun ngartos kumaha AI anu kuat tiasa leres-leres tiasa dianggo," saur Jones. "Kami bahkan tiasa mendakan petunjuk ngeunaan kumaha persepsi lumangsung dina manusa sareng sato sanés."