Karatasi inatoa mipaka kamili ya kuhalalisha mifumo ya AI inayochagua matokeo bora zaidi kati ya mengi

Nini kilitokea

Chapisho la awali la arXiv na Ricardo Fitas hutengeneza mfumo wa hisabati wa kuthibitisha mifumo ya AI ambayo hutoa njia mbadala nyingi na kupeleka matokeo yaliyochaguliwa. Matokeo yake kuu yanahusu utafutaji wa iid bora zaidi wa N, ambapo mfumo hutoa sampuli mbadala za N na kuchagua ulio katika nafasi ya juu zaidi. Karatasi hupata safu kamili ya utegemezi unaowezekana wa utumiaji ambao unaweza kubaki baada ya kuangalia kuegemea kwa saizi ndogo za utafutaji pekee.

Karatasi inashughulikia usanidi mahususi lakini unaozidi kuwa muhimu wa uthibitishaji wa AI: mfumo wa AI hutoa njia mbadala, hutathmini ushahidi, na kupeleka pato moja lililochaguliwa. Mwandishi anasema kuwa uthibitisho ni jamaa-lengwa, kumaanisha kuwa ushahidi unaunga mkono utumaji tu kwa mielekeo iliyochunguzwa na hatua zilizoizalisha. Karatasi inawakilisha sheria za uthibitishaji na uwekaji kama kokwa juu ya uso wa kutegemewa, kisha husoma jiometri ya nafasi ambayo sheria hizo hufunika. Hii inafanya tofauti kati ya kipimo kinachorudiwa na maelekezo mapya ya tathmini kuwa wazi.

Kwa utafutaji wa iid bora zaidi wa-N, karatasi huchukua nafasi ya kadiri, uhusiano wa nasibu, uteuzi wa juu zaidi, ukweli ulio na mipaka, na uhusiano thabiti kati ya nafasi na ukweli. Chini ya mawazo hayo, inatoa upana kamili wa utata baada ya kuona utegemezi bora zaidi wa n kupitia n=m: B(m,N) = 1 + mara 2 ya jumla kutoka r=1 hadi m ya (-1)^r ikizidishwa na cos^(2N)(rπ/[2(m+1)]). Chanzo hicho kinasema walimwengu walio na mipaka wazi wanaweza kufikia kipindi chote kinachotokea, kwa hivyo kutokuwa na uhakika hakuelezewi tu kama njia huru ya juu. Kiambishi awali kamili cha uchunguzi kupitia m pia kinawasilishwa kama habari-kiwango cha juu kati ya ukaguzi wa maana wa kutegemewa uliowekwa kwa n≤m. Kiwango tawala kilichotambuliwa na karatasi ni m²/N. Wakati m inalingana na mzizi wa mraba wa N, utata uliobaki ni kama 0.83, kulingana na muhtasari. Kupunguza utata hadi upana wa ε kunahitaji m kwa mpangilio wa mzizi wa mraba wa logi ya mara N(1/ε).

Karatasi pia inaripoti mpaka wa kukadiria sare na utata mkali wa L/m² unaohusishwa na hali ya Lipschitz. Sehemu yake ya majaribio hutumia tafiti za rejea za hoja za hisabati na uteuzi wa msimbo ili kuunda maadili yanayolingana ya uwekaji na utengano mpana. Chanzo hicho kinasema sheria ya ukaguzi wa matokeo iliyositishwa kwa kazi 82 za ugunduzi ilipunguza kwa kiasi kikubwa hitilafu iliyozuiliwa, lakini inabainisha uchanganuzi huo kuwa wa kielelezo badala ya hatua zinazotarajiwa.

Maelezo ya chanzo: arxiv.org ↗

Kwa nini ni muhimu

Dai kuu la vitendo la karatasi ni kwamba majaribio ya mara kwa mara hayatoshi wakati wanachunguza tu maelekezo sawa ya kuingilia kati. Urudufishaji unaweza kupunguza kelele za sampuli, lakini aina mpya za kazi au uingiliaji kati huru unaweza kuhitajika ili kufichua maeneo yasiyoonekana ya kimuundo. Kwa alama za AI na ukaguzi wa usalama, hii hutoa sababu rasmi ya kutenganisha ufunikaji kutoka kwa usahihi badala ya kutibu hesabu kubwa ya majaribio kama ya kuelimisha kwa wote.

Karatasi inatoa maelezo sahihi kwa nini alama ya juu kwenye alama inayojulikana inaweza kushindwa kuthibitisha utendakazi wakati mfumo uliotumwa unabadilisha ni ngapi mbadala unazozalisha au jinsi unavyochagua kati yao. Kujaribu aina sawa ya kazi mara kwa mara kunaweza kuboresha imani katika wastani uliopimwa, lakini kunaweza kuacha kutokuwa na uhakika kuhusu sehemu za sehemu ya kuaminika ambayo jaribio halifikii kamwe. Katika istilahi za karatasi, urudufishaji hupunguza kelele za sampuli huku maelekezo mapya ya uingiliaji kati yanapunguza upofu wa muundo. Tofauti hiyo inahusiana moja kwa moja na mifumo inayotafuta majibu, mipango, mabadiliko ya msimbo au vitendo vingi kabla ya kuchagua moja.

Kwa wasanidi wa kielelezo na wakadiriaji, sheria inayopendekezwa ya milango miwili ndiyo njia inayofaa zaidi ya kuchukua katika chanzo. Kwanza, ukaguzi unapaswa kuanzisha ushughulikiaji wa kimuundo: unapaswa kupima maelekezo ambayo ni muhimu kwa utumaji unaokusudiwa, badala ya kurudia tu familia finyu ya majukumu. Pili, kazi za kujitegemea zinaweza kuongezwa ili kuboresha usahihi mara tu chanjo inapoanzishwa. Muundo huu wa benchmark kama swali la uwakilishi na saizi ya sampuli. Pia inatahadharisha dhidi ya kutafsiri majaribio ya ziada kama jibu kamili kwa kutokuwa na uhakika kunakoundwa na uteuzi au utafutaji.

Matokeo hayaonyeshi kuwa muundo wowote wa AI si salama, hautegemewi, au uko tayari kutumwa. Ni uchambuzi wa hisabati wa mchakato uliobainishwa wa utafutaji na uthibitishaji, unaoongezewa na mifano ya nyuma. Chanzo hakiripoti uwekaji wa uzalishaji, tathmini ya kimatibabu au ya sekta ya umma, ulinganisho na muundo wa kibiashara uliotajwa, au tathmini huru ya uchanganuzi wa majukumu 82. Kwa hivyo thamani ya umma iko katika njia inayopendekezwa ya kufikiria kuhusu uidhinishaji na muundo wa ukaguzi, si katika uboreshaji ulioonyeshwa kwa mfumo mahususi wa ulimwengu halisi.

Nini cha kutazama baadaye

Kazi hii ni chapa moja ya awali ya arXiv, na chanzo hakiainishi mapitio ya programu rika, urudufishaji huru, au kupitishwa kwa uendeshaji. Uhakikisho wake mkubwa zaidi unatumika kwa mpangilio uliobainishwa wa iid-of-N na kwa viini vya uthibitishaji vinavyojulikana au vinavyojitegemea. Kazi zaidi itahitaji kupima sheria ya ukaguzi kwa kutazamiwa, kuchunguza mifumo isiyo ya iid, na kubainisha jinsi majaribio ya chanjo yaliyopendekezwa yanahamishwa hadi kwa usambazwaji halisi.

Swali la haraka la utafiti ni ikiwa watafiti wengine wanaweza kuzalisha tena mipaka halisi na ulimwengu uliowekwa mipaka, kukagua msimbo uliotolewa na data iliyochakatwa, na kupima mawazo dhidi ya uundaji mbadala wa utafutaji bora wa N. Chanzo kinasema kwamba nambari na data iliyochakatwa zinapatikana, lakini maandishi yaliyotolewa hayatambui hazina au kuelezea nyenzo kwa undani. Hali ya mapitio ya rika na urudufu huru pia haujaanzishwa na chanzo. Cheki hizo ni muhimu kwa sababu hitimisho la karatasi hutegemea mawazo yake rasmi na ufafanuzi.

Swali la pili ni jinsi mfumo unavyofanya kazi nje ya utaftaji wa iid. Karatasi inaweka kikomo kwa madai yake mapana zaidi ya kijiometri kwa punje zinazojulikana au zinazokadiriwa kujitegemea. Mifumo halisi ya AI inaweza kutoa njia mbadala zinazohusiana, kubadilisha tabia zao za cheo katika kazi zote, kutumia utafutaji unaobadilika, au kuingiliana na zana na mazingira. Chanzo hakithibitishi kuwa kipimo cha utata kilichoripotiwa au sheria ya milango miwili hubeba bila kubadilishwa kwa mipangilio hiyo. Tathmini tarajiwa zingehitajika ili kubaini ikiwa majaribio ya ushughulikiaji wa miundo yanaweza kutengenezwa kwa uhakika kabla ya kutumwa na kama yatatabiri kushindwa kwa kazi mpya kabisa.

Hatimaye, wakaguzi wanaweza kutafuta taratibu madhubuti za ukaguzi zinazofanya kazi tofauti kati ya chanjo na usahihi. Chanzo hakibainishi orodha ya jumla ya kazi zinazojitegemea, kiwango kinachohitajika cha ushughulikiaji wa muundo, au sheria ya uamuzi wa usambazaji wa mashirika. Masomo ya siku zijazo yanaweza kulinganisha majaribio finyu yanayorudiwa na uingiliaji kati wa kimakusudi, kupima gharama ya kila mbinu, na kuripoti ni mara ngapi mbinu iliyopendekezwa inabadilisha hitimisho la kupeleka. Hadi wakati huo, karatasi inachukuliwa vyema kama mchango rasmi kwa nadharia ya uthibitishaji wa AI kwa kanuni ya ukaguzi inayoweza kuwa muhimu, si kama kiwango cha uidhinishaji.

Miongozo & maswali yanayohusiana