شفقنا زندگی – محققان شیمی، زیست شناسی و پزشکی به طور فزاینده ای به مدل های هوش مصنوعی روی می آورند تا فرضیه های جدیدی را ایجاد کنند. با این حال، اغلب مشخص نیست که الگوریتم ها بر اساس چه مبنایی به نتایج خود می رسند و تا چه اندازه می توان آنها را تعمیم داد. انتشارات دانشگاه بن در حال حاضر نسبت به سوء تفاهم در مدیریت هوش مصنوعی هشدار می دهد. در عین حال، شرایطی را که محققان به احتمال زیاد میتوانند به مدلها اعتماد کنند، برجسته میکند. این مطالعه اکنون در مجله Cell Reports Physical Science منتشر شده است.
به گزارش شفقنا از www.chemeurope.com، الگوریتم های یادگیری ماشین تطبیقی فوق العاده قدرتمند هستند. با این وجود، آنها یک نقطه ضعف دارند: اینکه چگونه مدلهای یادگیری ماشینی به پیشبینیهای خود میرسند، اغلب از بیرون مشخص نیست.
فرض کنید هوش مصنوعی را با عکس های چند هزار خودرو تغذیه می کنید. اگر اکنون آن را با یک تصویر جدید ارائه می کنید، معمولاً می تواند به طور قابل اعتماد تشخیص دهد که آیا تصویر خودرو را نیز نشان می دهد یا خیر. اما چرا اینطور است؟ آیا واقعاً آموخته است که یک ماشین دارای چهار چرخ، یک شیشه جلو و یک اگزوز است؟ یا تصمیم آن بر اساس معیارهایی است که در واقع بی ربط هستند – مانند آنتن روی پشت بام؟ اگر اینطور بود، میتوانست رادیو را هم جزو ماشینها طبقهبندی کند.
منبع: www.chemeurope.com
source
کلاس یوس