用验证机制加强神经网络的能力:研究者提出机器学习防御措施 | 2分钟读论文
来源 / Two Minute Papers
翻译 / 洪振亚
校对 / 囧囧
整理 / 雷锋字幕组
AI 研习社出品系列短视频《 2 分钟论文 》,带大家用碎片时间阅览前沿技术,了解 AI 领域的最新研究成果。
本期论文
Reluplex: An Efficient SMT Solver for Verifying
Deep Neural Network
Reluplex:验证深度神经网络的有效SMT方案
几年前,我们见证了神经网络和学习算法的快速兴起。人工智能时代正在到来,探索过程中也不可避免出现一些失败的尝试,有些失败的项目往往有迹可循,因为算法足够简单,我们可以以管窥豹,做出合理的猜想。
但是,如果涉及到深层神经网络的问题,就很难讲了。比如,早期我们所提的pix2pix技术,很多情况下看起来完全可以零失误完成,但在还是有很多失败案例。
Twitter上出现的各种失败案例
这不仅因为神经网络在面对虚假输入时没有鉴别能力,很可能会误读、误识,更因为神经网络没有对抗性,可能随时被颠覆,也就是说,我们分分钟可以训练一种新的神经网络来颠覆原有的学习系统,让它错乱崩溃。
给汽车加点噪声 深度神经网络还以为是鸵鸟
就目前来说,作者们认为现有防御措施的限制在于,缺乏对机器学习模型的验证机制。
测试执行脚本
本期论文认为,神经网络需要具备验证关键任务的能力,探讨了几类保护措施,让机器学习模型能够真正起作用。视频中还介绍了论文相关的小实验,实验将一个具有神经网络的小型防撞飞机作为研究对象,来呈现学习算法在关键任务系统中运作机制和原理。
https://v.qq.com/txp/iframe/player.html?vid=j0549546z1h&width=500&height=375&auto=0
▷ 观看论文解读大概需要 4 分钟
学霸们还请自行阅读论文以获得更多细节
论文原址
https://arxiv.org/pdf/1702.01135.pdf
后台回复 “我要进群” 加入 AI 技术讨论群
新人福利
关注 AI 研习社(okweiwu),回复 1 领取
【超过 1000G 神经网络 / AI / 大数据,教程,论文】
验证与测试,机器学习的两大挑战
▼▼▼