UNIST开发全新框架明确数据 有助于实现自动驾驶汽车高可靠性

盖世汽车讯 人工智能（AI）系统（例如即使在暴风雪中也能保持行驶路线的自动驾驶汽车，或能够通过低分辨率图像诊断癌症的医疗人工智能）的高可靠性很大程度上取决于模型的鲁棒性。虽然数据增强长期以来一直是提高这种鲁棒性的常用技术，但其最佳工作条件一直不甚明了——直到现在。

图片来源：蔚山科学技术院

据外媒报道，韩国蔚山科学技术院（UNIST）人工智能研究生院（Graduate School of Artificial Intelligence）的Sung Whan Yoon教授及其研究团队开发了一种数学框架，能够精确解释数据增强何时以及如何提高模型应对数据分布意外变化的能力。这一突破为更系统、更有效地设计数据增强策略铺平了道路，显著加快了人工智能的开发速度。在此基础上，该团队严格证明了数据增强能够提升模型鲁棒性的必要条件。