Исследователи Массачусетского технологического института разработали алгоритм, который учит системы искусственного интеллекта относиться к вводным данным скептически, сообщает сайт института.
Чтобы сделать ИИ устойчивым к противоречащим данным, исследователи попытались внедрить защиту для контролируемого обучения, объединив алгоритм обучения данными с глубокой нейронной сетью, которая используется, например, для обучения машины игре в Го или шахматы.
Обычно нейронную сеть учат связывать определенные понятия с заданными входными данными. Например, если скормить нейронной сети тысячи изображений с метками «кошка», то вместе с изображениями с метками «дом» и «хот-дог», машина с легкостью сможет определить кошку, попадая на изображение с соответствующей меткой.
Однако, такой способ довольно трудоемкий и занимает много времени, поэтому исследователям нужно было найти способ, как заставить ИИ принимать решения в режиме реального времени, основываясь на наихудших предположениях.
Поэтому команда решила опираться на форму машинного обучения, которая не требует связывания помеченных входных данных с выходными, а скорее направлена на усиление определенных действий в ответ на входные данные. Другими словами, ученые придумали, как заставить машину анализировать свои правильные и неправильные ответы.
Для теста они использовали простейшую видеоигру пинг-понг, в которой два игрока управляют ракетками по обе стороны экрана, чтобы отбивать мяч на сторону противника. Однако исследовали сделали небольшую корректировку, сместив мяч на несколько пикселей, от реальной траектории, а машина должна была понять, когда мяч двигается правильно, а когда ее пытаются обмануть
Новый алгоритм справился с задачей значительно лучше своих предшественников, отмечают ученые.