Ein Forscherteam auf dem Gebiet der künstlichen Intelligenz KI an der Cornell University hat ein Deep-Learning-Modell entwickelt, das zu einem neuronalen Netzwerk führt, das nicht nur Fragen beantworten, sondern auch eine visuelle Erklärung liefern kann.
In ihrer Forschungsarbeit betitelt „Multimodale Erklärungen: Begründung von Entscheidungen und Hinweis auf die Beweise“ deren Genehmigung noch aussteht skizziert das Team die mit dem Modell zur Erklärung von Hinweisen und Begründungen PJ-X sie entwickelten sich.
Durch die Verwendung eines multimodalen Ansatzes hat das Team die durch unimodale Modelle auferlegten Einschränkungen überschritten. Eine Option, die ihrer Meinung nach darin besteht, „entweder eine bildbasierte Visualisierung der Aufmerksamkeitsgewichte oder eine textbasierte Generierung von Post-hoc-Begründungen anzubieten“.
Das Team verwendete identische Bilder nebeneinander, und nach Einführung einer kontrollierten Datenmenge in PJ-X konnte das Modell Erklärungen liefern, die sowohl Aufgaben zur Aktivitätserkennung ACT-X als auch Aufgaben zur Beantwortung visueller Fragen VQA- erfüllen.X.
Enthüllung der Geheimnisse der Black Box
Obwohl das Experiment eher klein ist, könnte es weitreichende Auswirkungen haben. Der Bereich der KI-Forschung und -Entwicklung F & E ist einer der aufregendsten Bereiche der wissenschaftlichen Forschung, die im letzten Jahrzehnt entstanden sind, und der relativeEin gesunder Wettbewerb zwischen den Ländern - alle, die den goldenen Preis für den „Weltmarktführer für KI-Technologien“ gewinnen wollen, bringen Projekte und Forschungsexperimente hervor, die zu einem Durchbruch nach dem anderen geführt haben.
Durch die Verwendung eines dynamischeren Ansatzes für tiefes Lernen und Algorithmen bietet die vom Team der Cornell University durchgeführte Forschung der wissenschaftlichen Gemeinschaft einen hervorragenden Wert.
Je mehr Möglichkeiten durch die Bereitstellung von Antworten generiert werden, desto weniger Skeptiker werden auf die Unbestimmtheit der Erklärungen zur Funktionsweise von KI hinweisen. Zum Beispiel die kryptische Black Box - das KI-Datenrepository, über das Daten verarbeitet werden und von wo ausAntworten auftauchen ist geheimnisvoll, mit einem MIT Technology Review Quelle Aufladen :
„Niemand weiß wirklich, wie die fortschrittlichsten Algorithmen das tun, was sie tun. Das könnte ein Problem sein.“
Angesichts dieses komplizierten Problems sowie des erstaunlichen Anwendungsbereichs für die KI-Technologie wurde der Bereich Medizin und Gesundheitswesen zum größten Teil geprüft, was zum großen Teil auf die Möglichkeit zurückzuführen ist, Deep-Learning-Algorithmen und Deep-Neural-Netzwerke zu verwendenklassifizieren und diagnostizieren alles von Herzkrankheit zu Hautkrebs Das Thema der Offenlegung, wohl eines der zentralsten Themen der modernen Medizin, hat sich jedoch parallel zur Medizin entwickelt.
Dank wegweisender Gesetzgebung wie der Gesetz über die Portabilität und Rechenschaftspflicht von Krankenversicherungen HIPAA von 1996 wurden Regulierungsbemühungen unternommen, um sicherzustellen, dass Patienten und Ärzte unabhängig von der Art der Medizintechnikatmosphäre, die zu einem bestimmten Zeitpunkt herrscht, gegenseitig informiert bleiben. Dennoch könnten wir in den nächsten Jahren mit dem Bedarf konfrontiert seinAktualisierung der Offenlegungsgesetze, um den beispiellosen Einfluss der Technologie in der Medizin widerzuspiegeln. Wir dürfen unseren Verdächtigungen nicht so weit nachgeben, dass wir einer lebenswichtigen und dringend benötigten Forschung im Wege stehen.
Via : NY Times