Η ομάδα του MIT διδάσκει στα μοντέλα ΤΝ όσα δεν γνώριζαν ήδη.
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 ΤΝ μερικές φορές κάνουν λάθη ή δίνουν αβέβαιες απαντήσεις που μπορεί να έχουν σοβαρές συνέπειες.
Το Themis AI του MIT, συνιδρυθμένο και καθοδηγούμενο από την καθηγήτρια Daniela Rus του εργαστηρίου CSAIL, προσφέρει μια πρωτοποριακή λύση. Η τεχνολογία τους επιτρέπει στα μοντέλα ΤΝ να «γνωρίζουν τι δεν γνωρίζουν». Αυτό σημαίνει ότι τα συστήματα ΤΝ μπορούν να υποδεικνύουν πότε είναι αβέβαια για τις προβλέψεις τους, αποτρέποντας έτσι λάθη πριν προκαλέσουν ζημιά.
Γιατί είναι αυτό τόσο σημαντικό;
Πολλά μοντέλα ΤΝ, ακόμη και τα προηγμένα, μπορεί μερικές φορές να εμφανίσουν λεγόμενες «ψευδαισθήσεις» (hallucinations)—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. Το Themis AI ανέπτυξε το Capsa, μια πλατφόρμα που εφαρμόζει την ποσοτικοποίηση της αβεβαιότητας (uncertainty quantification): μετρά και ποσοτικοποιεί την αβεβαιότητα της εξόδου της ΤΝ με λεπτομερή και αξιόπιστο τρόπο.
Πώς λειτουργεί;
Με την παροχή επίγνωσης της αβεβαιότητας στα μοντέλα, αυτά μπορούν να συνοδεύουν τις εξόδους τους με μια ετικέτα κινδύνου ή αξιοπιστίας. Για παράδειγμα: ένα αυτόνομο όχημα μπορεί να υποδείξει ότι δεν είναι σίγουρο για μια κατάσταση και ως εκ τούτου να ενεργοποιήσει ανθρώπινη παρέμβαση. Αυτό όχι μόνο αυξάνει την ασφάλεια, αλλά και την εμπιστοσύνη των χρηστών στα συστήματα Τεχνητής Νοημοσύνης.
- Κατά την ενσωμάτωση με το PyTorch, η «Συσκευασία» (Wrapping) του μοντέλου γίνεται μέσω
capsa_torch.wrapper()με την έξοδο να αποτελείται τόσο από την πρόβλεψη όσο και από τον κίνδυνο:
Για την NetCare και τους πελάτες της, αυτή η τεχνολογία αντιπροσωπεύει ένα τεράστιο βήμα μπροστά. Μπορούμε να παρέχουμε εφαρμογές Τεχνητής Νοημοσύνης που δεν είναι μόνο έξυπνες, αλλά και ασφαλείς και πιο προβλέψιμες, με μειωμένη 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 Τεχνητής Νοημοσύνης δεν αφορά μόνο το να γίνεται εξυπνότερη, αλλά κυρίως το να λειτουργεί με ασφαλέστερο και δικαιότερο τρόπο. Στη NetCare, πιστεύουμε ότι η Τεχνητή Νοημοσύνη γίνεται πραγματικά πολύτιμη μόνο όταν είναι διαφανής σχετικά με τους δικούς της περιορισμούς. Με προηγμένα εργαλεία ποσοτικοποίησης της αβεβαιότητας, όπως το Capsa, μπορείτε να εφαρμόσετε αυτό το όραμα στην πράξη.
