✍🏻 چرا فریب دادن سیستم‌های هوش مصنوعی‌ مبتنی بر یادگیری عمیق بسیار آسان است

اتومبیل خودرانی به یک علامت توقف نزدیک می‌شود اما به‌جای اینکه از سرعت خود کم کند، با سرعت زیاد وارد تقاطع شلوغ می‌شود. بعدا، گزارش تصادف نشان می‌دهد که چهار مستطیل کوچک روی علامت توقف چسبیده بود و موجب شد که سیستم هوش مصنوعی اتومبیل، کلمه‌ی توقف را با علامت حداکثر سرعت مجاز ۴۵ کیلومتر اشتباه بگیرد. اگرچه چنین رویدادی درواقعیت اتفاق نیفتاده، اما پتانسیل خرابکاری هوش مصنوعی کاملا واقعی است.برای آموزش یک شبکه‌ی شبکه‌های عصبی عمیق، آن را در معرض مجموعه‌ی عظیمی از مثال‌های مختلف قرار می‌دهند. طی فرایند آموزش، هر بار، روش اتصال نورون‌ها به هم تغییر می‌کند تا درنهایت پاسخ مورد نظر در لایه‌ی بالایی ایجاد شود، طوری که تصویر یک شیر همیشه به‌عنوان یک شیر تفسیر شود؛ حتی اگر قبل از آن، این تصویر به سیستم ارائه نشده باشد.پژوهشگران نشان دادند که می‌توان مثلا تصویری از یک شیر گرفت که سیستم هوش مصنوعی آن را بشناسد و سپس با تغییر چند پیکسل ماشین را متقاعد کرد که در حال دیدن چیز دیگری مانند یک کتابخانه است.


📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI