一种比较神经网络的新方法揭示的人工智能

洛斯阿拉莫斯国家实验室开发了一种比较神经网络的新方法。 该方法查看人工智能的“黑匣子”内部。 它可以帮助研究人员更好地理解神经网络行为。 它们用于许多应用程序，包括虚拟助手和面部识别系统。

海顿·琼斯 (Haydn Jones) 是洛斯阿拉莫斯网络系统高级研究小组的研究员。 “人工智能研究界不一定完全了解神经网络的作用。它们给了我们很好的结果，但我们不明白如何或为什么，”他说。 “与神经网络相比，我们的新方法做得更好，这对于更好地理解人工智能背后的数学至关重要。”

琼斯是《如果你训练了一个，你就训练了所有人：架构间的相似性随鲁棒性增加》一书的作者，这篇论文最近在人工智能不确定性会议上发表。 这篇论文不仅是对网络相似性的研究，也是向表征鲁棒神经网络行为迈出的一步，是一个重要的贡献。

来源和详细信息：
https://techxplore.com/news/2022-09-method-neural-networks-exposes-artificial.html