所有平台仅提供服务对接功能，所载文章、数据仅供参考，股市有风险，投资需谨慎，用户需独立做出投资决策，风险自担!
时间：0975-11-05 16:04:54来源：盖世汽车
核心提示：安全关键系统一旦出现故障就会导致严重的伤亡事件，因此如果可以预测其故障率将会大有帮助。
盖世汽车讯据外媒报道，美国麻省理工学院、斯坦福大学和宾夕法尼亚大学的研究人员研发了一种方法，可以预测关键安全机器学习系统的故障率，以及有效确定故障发生率。安全关键机器学习系统可以为自动驾驶汽车、机器人手术、心脏起搏器、直升机以及飞机等自动化飞行技术做出决策。与人工智能技术帮助写邮件或推荐歌曲不同，安全关键系统一旦出现故障就会导致严重的伤亡事件。此类机器学习系统导致的问题还有可能导致SpaceX错失降落在着陆平台上，从而导致重大经济损失事件。
研究人员表示，他们提出的神经桥采样法可以为监管机构、学术机构和行业专家提供一个参考，以解决在安全关键环境中部署复杂机器学习系统的相关风险。此外，该方法既可以满足公众对系统经过严格测试的知情权，也可以满足组织机构将AI模型视为商业机密的意愿。事实上，有些AI初创公司和大型科技公司都拒绝使用原始模型进行测试和验证，担心会因此泄露专有信息。
安全关键系统的故障率越低，就越难计算故障率，系统就会越好，但也越难进行预测。为了预测到故障率，研究人员采用了新型马尔科夫链蒙特卡洛(MCMC)方法，以识别接近故障事件发生的分布区域。
该项神经桥采样方法采用了几十年前的统计方法，以及最近推出的仿真测试框架，以评估自动驾驶系统的黑匣子。除了神经桥分布，研究人员也支持隐私意识技术的发展，比如联邦学习和差别隐私，并敦促更多具有技术知识的研究人员和人们加入监管对话，帮助制定政策。
声明：文章仅代表原作者观点，不代表本站立场；如有侵权、违规，可直接反馈本站，我们将会作修改或删除处理。
图文推荐
2020-11-05 09:49:04
2020-11-04 18:52:23
2020-11-04 10:51:37
2020-11-03 19:51:16
2020-11-03 19:50:28
2020-11-03 18:51:57
热点排行
精彩文章
2020-11-05 09:49:20
2020-11-05 08:52:00
2020-11-05 07:49:14
2020-11-04 14:49:57
2020-11-04 10:51:06
2020-11-04 09:50:09
热门推荐
