АНУ-ын Флоридагийн Атлантын Их Сургуулийн Инженер, Компьютерийн Шинжлэх Ухааны Коллежийн Хиймэл Оюуны Автономит Төвийн судлаачид хиймэл оюун ухааны (AI) сургалтыг илүү найдвартай, үнэн бодит болгож чадах шинэ аргыг боловсруулжээ. Энэхүү арга нь хиймэл оюун сурч эхлэхээс өмнө түүний сургалтын өгөгдлөөс алдаатай, буруу тэмдэглэгээтэй жишээг автоматаар илрүүлэн устгах боломжийг олгодог юм.
Судалгааны багийн үзэж байгаагаар AI загварууд сургалтын явцдаа “опорын векторын машин” (SVM) гэх ангиллын аргуудыг ашигладаг бөгөөд эдгээр алгоритмууд цаашдын шийдвэр гаргалтын үндэс болдог. Хэрэв өгөгдлийн багцад буруу ангилагдсан эсвэл гаж жишээ багтсан тохиолдолд загварын “шийдвэрлэх хилийн зурвас” гажиж, AI нь бодит хэрэглээнд буруу хариу өгч эхэлдэг аж.
Энэхүү шинэ арга нь сургалтын өмнө логик утгагүй эсвэл доторх мэдээллээсээ эрс ялгарах жишээнүүдийг автомат илрүүлж, эсвэл устгах, эсвэл тусад нь тэмдэглэх боломжийг олгодог. Үүний үр дүнд AI зөвхөн баталгаатай, алдаагүй мэдээлэл дээр суурилж суралцах юм.
Профессор Димитрис Падос “SVM бол машин сургалтын хамгийн хүчирхэг, түгээмэл хэрэглэгддэг ангилагчийн нэг. Хорт хавдар илрүүлэхээс эхлээд спам шүүлт хүртэл маш олон салбарт хэрэглэгддэг. Гэхдээ тэд ердөө цөөн тооны ‘түлхүүр’ өгөгдөл дээр тулгуурлан шийдвэр гаргадаг тул маш эмзэг байж болно. Буруу ангилагдсан хэдхэн өгөгдөл нь систем бүхэлдээ буруу хариу өгөх шалтгаан болдог” гэж тайлбарлав.
Алгоритмын хувьд “L1-нормын үндсэн бүрэлдэхүүн хэсгийн шинжилгээ” гэх математик аргачлал дээр суурилсан бөгөөд энэ нь өгөгдлийн бүлэг дотроос бусдаасаа эрс зөрөх мэдээллүүдийг тодорхойлж, шүүж, автоматаар тусгаарлах боломжийг олгодог. Тус арга нь ямар ч AI системд тохиромжтой, хэрэглэгчийн гараар тохиргоо хийх шаардлагагүйгээр ажилладаг тул өргөн хүрээнд ашиглах боломжтой гэж судлаачид онцолжээ.
Энэ технологи хөгжихийн хэрээр хиймэл оюун ухаан илүү үнэн зөв, итгэлтэй, бодит нөхцөлд үр ашигтай ажиллах бололцоог бий болгож байна. Хуурамч мэдээлэл тараах, буруу онош тавих, эсвэл аюулыг танихгүй үлдээх эрсдэлүүдийг багасгахын тулд өгөгдлийн чанарт илүү их анхаарах цаг аль хэдийн иржээ.
