อะไรที่ไร้สาระอาจมีสาระสำหรับตัวแบบการเรียนรู้ของเครื่อง

ภาพจาก MIT News

นักวิทยาศาสตร์ของ Massachusetts Institute of Technology (MIT)  พบว่าตัวแบบการเรียนรู้ด้วยเครื่องสามารถคาดการณ์ได้อย่างมั่นใจโดยอิงจากรายละเอียดที่มนุษย์พบว่าไร้สาระ ตัวอย่าง ได้แก่ โครงข่ายประสาทเทียมในการประมวลผลภาพในรถยนต์ขับเคลื่อนอัตโนมัติที่จำแนกสัญญาณไฟจราจรและป้ายถนน โดยดูจากพื้นหลัง ขอบ หรือรูปแบบท้องฟ้า 

ตัวแบบได้รับการฝึกฝนโดยใช้ชุดข้อมูล เช่น CIFAR-10 และ ImageNet ได้แสดงการตีความเกินจริง โดยตัวแบบที่ได้รับการฝึกด้วย CIFAR-10 ให้คาดการณ์ได้อย่างมั่นใจแม้ว่า 95% ของภาพที่ป้อนเข้าจะหายไป และส่วนที่เหลือไม่มีความหมายสำหรับมนุษย์ สัญญาณที่บอกว่าถูกต้องในชุดข้อมูลทำให้วิธีการประเมินทั่วไปไม่สามารถวินิจฉัยการตีความเกินได้ 

Brandon Carter ของ MIT บอกว่าแม้ดูเหมือนว่าตัวแบบจะเป็นจำเลยในการทำนายที่ผิดพลาด แต่จริง ๆ แล้วชุดข้อมูลเองน่าจะถูกตำหนิมากกว่า

อ่านข่าวเต็มได้ที่: MIT News