一項即將在AAAI上發(fā)表的，涉及拉德布德大學，奧斯丁大學，美國大學的研究人員的新研究表明，一種新的不確定性推理方法可以幫助人工智能更快地找到更安全的選擇，例如在自動駕駛汽車中。加利福尼亞，伯克利和艾恩德霍芬科技大學。

研究人員定義了一種新的方法來處理所謂的“不確定的，部分可觀察的馬爾可夫決策過程”或uPOMDP。用外行的話來說，這些是估算事件發(fā)生可能性的現(xiàn)實世界模型，例如自動駕駛汽車，會面臨很多未知的情況下，它開始行駛時，為了驗證人工智能自動駕駛汽車的，廣泛的計算運行分析AI會如何處理各種情況。研究人員認為，他們的新方法，這些模擬練習，可以成為遠更現(xiàn)實，從而使AI更快地做出更好，更安全的決策。

使理論成為現(xiàn)實

POMDP已經(jīng)用于模擬和建模許多情況。它們可以幫助預測流行病的蔓延，計算飛機和航天器如何避免碰撞，甚至可以用來調(diào)查和保護瀕危物種。“我們知道這些模型非常擅長真實地捕捉現(xiàn)實世界。但是，使用它們需要大量的處理能力，這意味著它們在實際應用中的使用通常仍然受到限制，”其中一位Nils Jansen說。主要作者。“這種新方法使我們能夠獲取所有計算結(jié)果和理論信息，并在更加一致，常規(guī)的基礎(chǔ)上在現(xiàn)實世界中使用它。”

自動駕駛汽車

團隊的突破是通過將現(xiàn)實世界的不確定性明確納入模型來實現(xiàn)的。詹森：“例如，當前的模型可能只是告訴您，無人駕駛汽車中的驅(qū)動器有80%的可能性是完全安全的。目前尚不清楚另外20%的情況將發(fā)生什么，以及可能發(fā)生的風險類型用這種新方法，系統(tǒng)可以對可能出了什么問題進行更詳細的解釋，并在進行計算時將這些因素考慮在內(nèi)。對于用戶而言，這意味著他們擁有更具體的示例找出可能出問題的地方，并進行更好，更充分的調(diào)整以避免這些特定的風險。”

以前，其他研究人員已經(jīng)考慮過研究人員對這些uPOMPDPs采取的方法，但僅在特定的有限情況和思想實驗中才考慮。詹森解釋說：“但是，我們第一次能夠?qū)⑦@些先前的理論思想實驗變成一種實用和現(xiàn)實的方法。” “這被認為是一個獨特而困難的問題，但是由于采用了跨學科的方法，我們得以取得真正的突破。

　　免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權(quán)請聯(lián)系刪除！