幫助機器人即時糾正錯誤并相互學習

通常需要相當長時間才能解決的人工智能錯誤可以在萊斯特大學的新研究的幫助下立即得到糾正。

萊斯特大學數學系的研究人員在神經網絡雜志上發表了一篇論文，概述了新算法的數學基礎，可以讓人工智能收集錯誤報告并立即糾正，而不會影響現有技能 - 同時積累可用于未來版本或更新的更正。

這實際上可以使機器人能夠即時糾正錯誤，有效地從錯誤中“學習”而不會損害已經獲得的知識，并最終在他們自己之間傳播新知識。

與ARM的工業合作伙伴一起，算法被組合成一個系統，一個AI校正器，能夠即時提高傳統AI的性能(技術報告可在線獲得)。*

ARM是全球最大的半導體IP供應商，是目前設計的90%以上智能電子產品的首選架構。

萊斯特大學數學系的Alexander Gorban教授表示：“迄今為止，已有多個版本的人工智能大數據分析系統部署在各種平臺上的數百萬臺計算機和小工具上。它們在非均勻網絡中運行并進行交互。

“像亞馬遜，IBM，谷歌，Facebook，SoftBank，ARM等工業技術巨頭都參與了這些系統的開發。它們的性能提高了，但有時它們會出現錯誤警報，錯誤檢測或錯誤預測等錯誤。錯誤是不可避免的，因為大數據固有的不確定性。

“人類可以立即從錯誤中吸取教訓并且不重復它們(至少是我們中最好的人)似乎是很自然的。如何使人工智能具備這種能力是一個大問題。

“很難在飛行中糾正大型AI系統，更難以在不停止的情況下完全馳騁馬匹。

“我們最近發現這個問題的解決方案是可能的。在這項工作中，我們證明了在高維度甚至是指數大的樣本中，經典Fisher形式的線性分類器足以將錯誤與正確的響應分開，具有高概率并為非破壞性校正器問題提供有效的解決方案。“

在廉價，快速和局部校正過程中迫切需要在校正過程中不損害AI系統的重要技能。

對于大數據和大型AI系統來說，機器學習的迭代方法從來都不便宜，因此研究人員建議校正器應該是非迭代的，需要重新配置和合并局部校正的可逆校正器。

來自萊斯特大學數學系的Ivan Tyukin博士說：“由于以下幾個原因重新訓練系統通常是不可行的：它們非常龐大，重新訓練需要大量的計算資源或長時間或兩者兼而有之;這可能是不可能的在發生錯誤的地方對本地系統進行再培訓;我們可以解決一件事但是打破另一件事導致重要的技能可能會消失。

“用于大數據挖掘的可持續大型智能系統的開發需要創建用于快速非破壞性，非迭代和可逆校正的技術和方法。直到現在還沒有這樣的技術存在。”

研究人員發現并證明了隨機分離定理，它們為大型智能數據分析系統的校正提供了工具。

通過這種方法，人工智能中的即時學習成為可能，使AI能夠在發生錯誤后重新學習錯誤。

該研究得到了英國Innovate通過知識轉移合作伙伴關系的部分支持：ARM / Apical Ltd與萊斯特大學之間的KTP009890和Visual Management Systems Limited與萊斯特大學之間的KTP010522。

知識轉移伙伴關系(KTP)計劃幫助企業創新和發展。它通過將它們與大學和畢業生聯系起來來完成特定項目。

ARM研發，計算機視覺，成像和視覺部門總監Ilya Romanenko博士說：“擁有這樣的系統對于向客戶和最終用戶大規模部署AI服務是不可或缺的。客戶特定的AI設備使用情況引起客戶特定的錯誤，這被最終用戶認為是不可接受的情況。重新訓練核心人工智能來處理這些錯誤在技術上具有挑戰性并且具有潛在風險。新教訓的人工智能，教會避免特定錯誤可能會出現意外行為在另一種情況下，在這種情況下，隨著人工智能部署規模的增長，問題的規模呈指數級增長，幾乎不可能實現。

“新技術可以完全消除這些障礙，使AI支持的設備在錯誤刪除過程中協同工作。這種新的質量允許大型AI部署隨著其規模的增長而變得更加智能化。在實踐中，這意味著無錯誤的AI驅動設備成為現實最近我們提交了一份專利申請，以確保我們在這方面的優先權。“