您的位置:首页 >人工智能 >正文

新模式增加了AI的确定性

TU / e OPAC小组和Radboud大学的科学家,以及奥斯丁大学和加州大学伯克利分校的科学家一起,已经开发出一种新方法,可以使人工智能(AI)更好地应对不确定性。它们的建模使AI可以更快地找到更安全的选择。该方法可以例如提高自动驾驶汽车的安全性。

人工智能必须应对许多不确定性,主要是未知情况下的不确定性,例如由人类行为引起的不确定性。为了减少这些不确定性,人工智能使用了广泛的计算方法来分析所有可能的情况和结果,然后选择最佳选择。新方法带来了很大的改进,因为它使计算更加真实,并提供了更好,更安全和更快的决策制定。

突破来自一种新开发的不确定性推理方法。新方法使用了所谓的“不确定的部分可观察的马尔可夫决策过程(uPOMDP)”,该模型可计算事件发生的概率。

一个自驾车,例如,遇到很多未知的情况。驾驶汽车的AI不断验证这些情况。这需要大量的计算,所有这些分析都必须经过分析才能让AI处理。新方法可实现更快,更现实的分析,从而更快,更好,更安全地做出决策。

TU / e研究人员Ahmadreza Marandi:“在安全高度优先的地区,做出明智的决定至关重要。想象一下火星漫游者的着陆阶段。当火星漫游者进入火星大气层时,只有几分钟的时间来决定入口与火星的夹角。大气层,下降时刻和确切的降落位置。在如此紧张的几分钟内,不可能与流动站进行通信,因为信号到达地球大约需要7分钟。流动站需要自己做出所有决定,并且对信号的无知可能性很小的事件可能会导致流浪者损失数十亿美元的投资。因此,拥有一种自动的,强大的决策方法至关重要。使用这种新方法,系统能够更快地进行大量计算,从而做出可靠的决策。对于用户来说,这种方法意味着提供有关情况和可能的危险的更明确的信息,并就适当的有力措施提供建议。”

针对各种情况,许多实践和仿真模型已经使用uPOMDP。它们可以帮助预测流行病的蔓延,计算飞机和航天器如何避免碰撞,甚至调查和保护濒危物种。

这项研究是由人工智能促进协会(AAAI)发布的。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时候联系我们修改或删除,多谢。