Η Ομάδα του MIT διδάσκει στα μοντέλα ΤΝ όσα δεν γνώριζαν.
Η εφαρμογή της τεχνητής νοημοσύνης (AI) αναπτύσσεται ραγδαία και ενσωματώνεται όλο και περισσότερο στην καθημερινή μας ζωή και σε κλάδους υψηλού ρίσκου, όπως η υγειονομική περίθαλψη, οι τηλεπικοινωνίες και η ενέργεια. Ωστόσο, με τη μεγάλη δύναμη έρχεται και μεγάλη ευθύνη: τα συστήματα τεχνητής νοημοσύνης μερικές φορές κάνουν λάθη ή δίνουν αβέβαιες απαντήσεις που μπορεί να έχουν σοβαρές συνέπειες.
Το Themis AI του MIT, που συνιδρύθηκε και διευθύνεται από την καθηγήτρια Daniela Rus του εργαστηρίου CSAIL, προσφέρει μια πρωτοποριακή λύση. Η τεχνολογία τους επιτρέπει στα μοντέλα τεχνητής νοημοσύνης να «γνωρίζουν τι δεν γνωρίζουν». Αυτό σημαίνει ότι τα συστήματα τεχνητής νοημοσύνης μπορούν να υποδεικνύουν πότε είναι αβέβαια για τις προβλέψεις τους, αποτρέποντας έτσι λάθη πριν προκαλέσουν ζημιά.
Γιατί είναι αυτό τόσο σημαντικό;
Πολλά μοντέλα τεχνητής νοημοσύνης, ακόμη και τα προηγμένα, μπορεί μερικές φορές να παρουσιάσουν τις λεγόμενες «ψευδαισθήσεις»—παρέχουν λανθασμένες ή αβάσιμες απαντήσεις. Σε τομείς όπου οι αποφάσεις έχουν μεγάλο βάρος, όπως η ιατρική διάγνωση ή η αυτόνομη οδήγηση, αυτό μπορεί να έχει καταστροφικές συνέπειες. Η Themis AI ανέπτυξε το Capsa, μια πλατφόρμα που εφαρμόζει την ποσοτικοποίηση της αβεβαιότητας (uncertainty quantification): μετρά και ποσοτικοποιεί την αβεβαιότητα της εξόδου της τεχνητής νοημοσύνης με λεπτομερή και αξιόπιστο τρόπο.
Πώς λειτουργεί;
Ενσωματώνοντας την επίγνωση της αβεβαιότητας στα μοντέλα, μπορούν να παρέχονται ετικέτες κινδύνου ή αξιοπιστίας στις εξόδους τους. Για παράδειγμα: ένα αυτόνομο όχημα μπορεί να υποδείξει ότι δεν είναι σίγουρο για μια κατάσταση και ως εκ τούτου να ενεργοποιήσει ανθρώπινη παρέμβαση. Αυτό αυξάνει όχι μόνο την ασφάλεια, αλλά και την εμπιστοσύνη των χρηστών στα συστήματα Τεχνητής Νοημοσύνης.
- Κατά την ενσωμάτωση με το PyTorch, η ενθυλάκωση (Wrapping) του μοντέλου γίνεται μέσω
capsa_torch.wrapper()όπου η έξοδος αποτελείται τόσο από την πρόβλεψη όσο και από τον κίνδυνο:
Για τη NetCare και τους πελάτες της, αυτή η τεχνολογία σημαίνει ένα τεράστιο βήμα μπροστά. Μπορούμε να παρέχουμε εφαρμογές ΤΝ που δεν είναι μόνο έξυπνες, αλλά και ασφαλείς και πιο προβλέψιμες με μικρότερη πιθανότητα παραισθήσεων (hallucinations). Βοηθά τους οργανισμούς στη λήψη πιο τεκμηριωμένων αποφάσεων και στη μείωση των κινδύνων κατά την εισαγωγή της ΤΝ σε κρίσιμες για την επιχείρηση εφαρμογές.
Συμπέρασμα
Το MIT ομάδα δείχνει ότι το μέλλον της ΤΝ δεν αφορά μόνο την εξυπνότερη λειτουργία, αλλά κυρίως την ασφαλέστερη και δικαιότερη λειτουργία. Στη NetCare, πιστεύουμε ότι η ΤΝ γίνεται πραγματικά πολύτιμη μόνο όταν είναι διαφανής σχετικά με τους δικούς της περιορισμούς. Με προηγμένα εργαλεία ποσοτικοποίησης αβεβαιότητας όπως το Capsa, μπορείτε να εφαρμόσετε αυτό το όραμα στην πράξη.
