美国研发新工具可量化AI算法的可信度 有利于普及自动驾驶技术

盖世汽车讯 据外媒报道，美国南加州大学维特比工程学院（USC Viterbi Engineering）的研究人员研发了一种新工具，如果AI算法生成的数据和预测信息是可靠的，该工具可以自动生成指标。

图片来源：sciencedaily.com

神经网络是一种人工智能（AI）技术，能够模仿大脑并产生预测信息。但是，此类神经网络产生的预测真的可信吗？自动驾驶汽车普及的一个关键障碍是，汽车需要在自动驾驶时作为独立的决策者，并快速理解和识别路上的物体，无论该物体是减速带、无生命物体、宠物还是孩子，并且在遇到另一辆车时，其需要决定如何采取行动避开其他车辆。汽车是否应该撞上迎面驶来的车辆、或者撞上无生命的物体或儿童？我们能够信任车载计算机软件可以在几分之一秒内做出正确决定吗？特别是当不同的传感器给出相互冲突的信息时，如摄像头的计算机视觉信息或激光雷达的数据？知道哪个系统值得信任，哪个传感系统最准确，将有助于确定自动驾驶系统应该做出什么决定。

于是，研究人员们打造了一个名为DeepTrust的工具，可以将不确定性进行量化，从而确定是否需要人工干预。

研发该款工具花费了南加州大学研究团队近两年的时间，他们利用主观逻辑来评估该神经网络架构。此外，在2016年总统大选的民调中，DeepTrust发现，指向希拉里获胜的预测有更大的误差率。

该项研究的另一个重要意义是，为如何测试AI算法的可靠性提供了见解，因为此类算法通常需要在成千上万个数据点上进行训练。如果去检查此类指示AI预测的数据点是否进行了准确标记将非常耗时。研究人员表示，更重要的是，此类神经网络系统的架构将具有更高的精确度。此外，如果计算机科学家想要同时将准确性和信任度实现最大化，该项研究也可以作为测试样本中有多少“噪音”的路标。

研究人员还认为，他们研发的模型是首创。“据我们所知，目前还没有用于量化深度学习、人工智能和机器学习信任度的模型或工具。作为首个方法，该工具开辟了新的研究方向，能够让AI具有感知能力和适应性。”