MIT-team lär AI-modeller vad de inte visste ännu.

Tillämpningen av artificiell intelligens (AI) växer snabbt och blir alltmer sammanflätad med vårt dagliga liv och högriskyrken som hälsovård, telekom och energi. Men med stor kraft kommer också stort ansvar: AI-system gör ibland misstag eller ger osäkra svar som kan få stora konsekvenser.

MIT:s Themis AI, medgrundat och lett av professor Daniela Rus från CSAIL-laboratoriet, erbjuder en banbrytande lösning. Deras teknik gör det möjligt för AI-modeller att “veta vad de inte vet”. Detta innebär att AI-system själva kan indikera när de är osäkra på sina förutsägelser, vilket kan förhindra fel innan de orsakar skada.

Varför är detta så viktigt?
Många AI-modeller, även avancerade, kan ibland uppvisa så kallade “hallucinationer” – de ger felaktiga eller ogrundade svar. Inom sektorer där beslut väger tungt, som medicinsk diagnos eller autonom körning, kan detta få katastrofala följder. Themis AI utvecklade Capsa, en plattform som tillämpar uncertainty quantification: den mäter och kvantifierar osäkerheten i AI-utdata på ett detaljerat och tillförlitligt sätt.

 Hur fungerar det?
Genom att lära modeller uncertainty awareness kan de förse utdata med en risk- eller tillförlitlighetsmärkning. Till exempel: en självkörande bil kan indikera att den är osäker på en situation och därför aktivera mänsklig intervention. Detta ökar inte bara säkerheten, utan också användarnas förtroende för AI-system.

Slutsats
MIT team visar att framtiden för AI inte bara handlar om att bli smartare, utan framför allt om att fungera säkrare och rättvisare. På NetCare tror vi att AI blir riktigt värdefullt först när det är transparent om sina egna begränsningar. Med avancerade verktyg för uncertainty quantification som Capsa kan du också omsätta den visionen i praktiken.