英语轻松读发新版了,欢迎下载、更新

人工智能:数学,而不是魔法

2024-11-03 23:10:01 英文原文

作者:Florida Institute of Technology

Artificial intelligence: Math, not magic
Ryan White 年满 11 岁,硕士,年满 15 岁,博士,是数学和系统工程系的助理教授,也是神经传输 (NETS) 实验室的主任。图片来源:佛罗里达理工学院

人工智能(AI)已经渗透到我们的生活中。我们的手机一看到我们的脸就会解锁。我们可以使用 ChatGPT 进行完整的文本对话。亚马逊知道我在寻找什么,我的电子邮件以惊人的准确性完成了我的句子。

人工智能可能看起来很神奇,但这些解决方案是基于(神经网络),只需要一点微积分,以及大量的数据和计算能力。

第一个神经网络于 20 世纪 60 年代提出,旨在通过感知刺激(输入)、用互连的“人工神经元”层对其进行处理并产生响应(输出)来模拟人脑。例如,手机上的人被训练接受输入图像并回答“这个人是我的主人吗?”如果是,则解锁。

在神经网络内部,每对神经元都有一个“旋钮”,控制信号从一个神经元传递到下一个神经元的强度。“训练”神经网络涉及调整这些旋钮,直到神经网络一致地将大型输入训练数据集映射到其所需的输出。这种对数百万或数十亿旋钮的调整是由微积分引导的,以最大限度地减少输出中的错误。有效的神经网络不仅能学习产生所需的训练输出,还能进行泛化以处理遇到的新输入。

在佛罗里达理工学院的神经传输 (NETS) 实验室,我们研究深度学习并开发我们自己的神经网络。令人担忧的是,神经网络会因未知原因而犯错误,这使得高风险的部署存在风险。我们的大部分工作都集中在这些故障模式上,评估它们发生的原因以及我们可以采取哪些措施。

由博士领导。在学生 Mackenzie Meni 的带领下,我们开发了一种名为 PEEK 的技术,可以“窥视”神经网络的内部运作,以可视化它们所关注的细节。PEEK 解释了神经网络的决策并揭示了数据偏差。令人兴奋的是,PEEK 经常可以从内部运作中辨别出正确的输出,即使神经网络无法产生这些输出。正在进行的工作旨在使用这些“已纠正”的输出作为故障安全装置,以即时捕获和纠正错误。

神经网络的多功能性使我们能够跨学科合作。我们定期与航空航天和生物医学工程师合作。

拥有博士学位。学生 Trupti Mahendrakar '21 M.S.作为自主实验室的一员,我们为空军研究实验室 (AFRL) 开发了自主卫星群的视觉和制导算法,并正在进行人类制导视觉算法的研究。博士

学生 Nehru Attzs '16、'19 硕士正在开发一种实时跟踪卫星组件的算法。博士

我和 23 岁的学生 Arianna Issitt 目前是 AFRL 的暑期教员/研究生,正在开展一个项目,将追踪卫星发送到航天器周围的检查轨道上,捕获图像以构建 3D 重建。我们正在设计最佳的检查轨道并将其部署在航天计算机上。

此外,我们与多尺度心血管流体实验室合作开发神经网络,以无创方式实时估计患者血管内的血流动力学。这可以使医疗团队能够为心血管疾病患者做出快速诊断和治疗计划。

NETS 实验室的努力旨在更深入地了解人工智能,并为航天和医学领域的安全关键应用设计有效的解决方案。

引文:人工智能:数学,而不是魔法(2024 年,11 月 3 日)检索日期:2024 年 11 月 4 日来自 https://techxplore.com/news/2024-10-artificial-intelligence-math-magic.html

本文档受版权保护。除了出于私人学习或研究目的的任何公平交易外,不得未经书面许可,不得复制部分内容。所提供的内容仅供参考。

关于《人工智能:数学,而不是魔法》的评论


暂无评论

发表评论

摘要

佛罗里达理工学院助理教授兼 NETS 实验室主任 Ryan White 讨论了人工智能 (AI) 如何依赖深度学习和神经网络 (NN)。这些系统需要大量数据和计算能力,正在研究以了解其故障模式和偏差。该实验室的工作包括开发 PEEK(一种可视化神经网络决策过程的技术),并与航空航天和生物医学工程师合作,将人工智能应用于自主卫星引导和用于医疗诊断的无创血流估计。