RNA 접기의 원리를 밝히다
mss(magic square system)master:jk0620 http://blog.naver.com/mssoms http://jl0620.blogspot.com http://jk0620.tripod.com https://twitter.com/ljunggoo .새로운 프레임 워크로 성능 저하없이 AI 시스템의 투명성 향상 에 의해 노스 캐롤라이나 주립 대학 크레딧 : CC0 Public Domain , 2019 년 10 월 21 일 연구원들은 AI 결정의 근거를 사용자가 이해할 수 있도록 인공 지능 (AI) 프레임 워크를 제안하고 있습니다. 의사 결정을 정당화 할 필요가있는 군사 및 법 집행 기관과 같은 부문에서 특히 "블랙 박스"AI 시스템에서 멀어지면서 작업이 중요합니다. 노스 캐롤라이나 주립 대학 (North Carolina State University)의 논문의 첫 번째 저자이자 컴퓨터 공학 조교수 인 Tianfu Wu는“우리의 틀을 차별화하는 것은 AI 해석 과정의 일부로 이러한 해석 요소를 만드는 것입니다. "예를 들어, 프레임 워크에서 AI 프로그램이 이미지에서 객체를 식별하는 방법을 배우는 경우 이미지 내에서 대상 객체를 현지화하고 대상 객체 기준을 충족하는 해당 지역에 대한 내용을 파싱하는 방법도 배우고 있습니다. 그런 다음이 정보가 결과와 함께 제공됩니다. " 개념 증명 실험에서 연구원들은이 프레임 워크를 널리 사용되는 R-CNN AI 객체 식별 시스템에 통합했습니다. 그런 다음 잘 확립 된 두 개의 벤치 마크 데이터 세트에서 시스템을 실행했습니다. 연구원들은 해석 성 프레임 워크를 AI 시스템에 통합하는 것이 시간이나 정확성 측면에서 시스템 성능을 저하시키지 않는다는 것을 발견했습니다. Wu는“우리는 이것이 완전히 투명한 AI를 달성하기위한 중요한 단계라고 생각한다. "그러나 해결해야 할 중요한 문제가 있습니다. "예를 들어, 현재 프레임 워크 에