Вас вітає Інтернет конференція!
Вітаємо на нашому сайті
ТЕОРІЯ «БІЛОГО» ЯЩИКУ В НЕЙРОМЕРЕЖАХ
09.12.2022 19:40
[1. Інформаційні системи і технології]
Автор: Соколова Вікторія Костянтинівна, студентка, Харківський національний університет радіоелектроніки, м Харків
Сьогодні, у людей, які розробляють штучний інтелект, все частіше виникають проблеми з поясненням того, як він працює, та розумінням, чому він дає ті результати, які дає. Глибокі нейронні мережі, що імітують роботу нейронних мереж нашого мозку, часто, відбивають як людський інтелект, а й незрозумілість глибин людської свідомості.
Штучні нейронні мережі – це статистичні моделі, частково змодельовані на біологічних нейронних мережах. Вони здатні обробляти нелінійні відносини між входами і виходами паралельно. Характеризуються такі моделі наявністю адаптивних ваг вздовж шляхів між нейронами, які можуть бути налаштовані алгоритмом навчання, щоб поліпшити всю модель.
Алгоритми навчання функціям санкціонують машину на пізнання конкретної задачі, використовуючи відточений набір можливостей для вивчення. Такий принцип успішно використовується в багатьох додатках і вважається одним із передових методів штучного інтелекту. Малі алгоритми менш складні і вимагають більш глибокого знання оптимальних функцій, які включають вибір і розробку. Навпаки, алгоритми глибокого навчання більше покладаються на оптимальний вибір моделі та її оптимізацію шляхом налаштування. Вони краще підходять для вирішення завдань, коли попереднє знання функцій менш бажано або необхідно, а зафіксовані дані недоступні або не потрібні для використання. Вхідні дані перетворюються у всіх їх шарах за допомогою штучних нейронів або процесорних блоків.
Більшість систем штучного інтелекту є класичними моделями «чорного» ящику. Тобто ці системи розглядаються тільки з точки зору того, що у них на вході, і того, що на виході. Розробники просто отримують результати і порівнюють їх з тими, які хотіли б отримати. Вони не намагаються розшифрувати «чорний» ящик або зрозуміти ті непрозорі процеси, які виконує система, допоки займається пошуком результату.
У міру того, як системи штучного інтелекту стають все більш складними, ми дедалі менше здатні їх розуміти. Тому дослідники ШІ і попереджають розробників, щоб вони приділяли більше уваги тому, чому система дає певні результати, та вбудували у свої системи механізми, які допомагають визначити причини тих чи інших рішень усередині «чорного» ящику.
Поки що «білий» ящик ще не досить популярний, тоді як «чорний» ящик є домінуючим методом навчання. Це просто найшвидший метод досягнення результату. Даємо машині масив даних, показуємо, що очікуємо від неї та дивимось на результат. Щоб розбиратися в дрібницях мислення штучного інтелекту потрібно дуже багато часу. А це означає, доки у справі не прийматимуть регулятори, «чорний» ящик неминуче домінуватиме.
Література
1. V Tkachov Cellular Technology Based Overlay Networks for the Secure Control of Intelligent Mobile Objects: Models and Numerical Study/ V Tkachov, A Kovalenko, V Kharchenko, M Hunko // ICTERI 2021: Information and Communication Technologies in Education, Research, and Industrial Applications. – Kherson, Ukraine, October 2, 2021. – Pp. 42-63.
2. V Tkachov Cellular Technology Based Overlay Networks for the Secure Control of Intelligent Mobile Objects/ V Tkachov, A Kovalenko, V Kharchenko, M Hunko // ICTERI 2021: Information and Communication Technologies in Education, Research, and Industrial Applications. – Kherson, Ukraine, October 2, 2021. – Pp. 480-490.
3. M Hunko. Application Architecture For Obtaining Data From Scientometric Databases / M Hunko, V Tkachov, O Liashenko, J Rabčan // 2022 IEEE 3rd KhPI Week on Advanced Technology (KhPIWeek). – Kharkiv, 2022.
4. Tkachov V. Principles of Constructing an Overlay Network Based on Cellular Communication Systems for Secure Control of Intelligent Mobile Objects / Vitalii Tkachov, Andriy Kovalenko, Mykhailo Hunko and Kateryna Hvozdetska // Информационные технологии и безопасность. Материалы XIX Международной научно-практической конференции ИТБ-2020. – К.: ООО "Инжиниринг", 2020. – С. 51-55.
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License
Знайшли помилку? Виділіть помилковий текст мишкою і натисніть Ctrl + Enter
Інші наукові праці даної секції
-
ЗАСТОСУВАННЯ СУЧАСНИХ АЛГОРИТМІВ ДИНАМІЧНОГО ПОШУКУ В СКЛАДНИХ ІНФОРМАЦІЙНИХ СИСТЕМАХ
29.11.2022 03:05 -
СИСТЕМА ДОМАШНЬОГО АВТОМАТИЗУВАННЯ
29.11.2022 02:54 -
ТЕХНОЛОГІЇ «E-LEARNING» В СУЧАСНІЙ ОСВІТІ
29.11.2022 02:47 -
ВИМОГИ СТВОРЕННЯ SMART КУРСУ ЗМІШАНОГО НАВЧАННЯ
11.12.2022 00:24 -
МЕТОД ВИКОРИСТАННЯ ШАБЛОНУ КУРСУ ЗМІШАНОГО НАВЧАННЯ
11.12.2022 00:16
Конференції
Конференції 2024
Конференції 2023
Конференції 2022
Конференції 2021
