Neuronske mreže su točne i stabilne samo u ograničenim scenarijima
Nova studija otkriva da algoritam možda neće moći izračunati stabilnu, točnu neuronsku mrežu za određeni problem bez obzira na količinu i točnost prikupljenih podataka

U umjetnim neuronskim mrežama komponente nazvane "neuroni" dobivaju podatke i surađuju u rješavanju problema, poput prepoznavanje slika. S vremenom, mreža otkriva koji su obrasci najbolji u izračunavanju rezultata. Zatim ih usvaja kao zadane postavke, oponašajući proces učenja u ljudskom mozgu. Neuronska mreža se naziva "dubokom" ako posjeduje više slojeva neurona.
Problem nije u receptu
Problem je što su te duboke neuronske mreže nestabilne, o tome postoji niz dokaza. Promjena samo jednog piksela na slici može natjerati UI da pomisli kako je konj žaba ili da potpuno pogrešno dijagnosticira rak u 100 posto slučajeva.
Nova studija, objavljena u Proceedings of the National Academy of Sciences, otkriva da ne postoji algoritam koji će uspješno izračunati stabilne, točne neuronske mreže. Zvuči zbunjujuće, kao da netko kaže da neka vrsta kolača možda postoji, ali ne i recept po kojem se on radi. A problem nije u receptu, kažu istraživači, nego u alatima.
Nova studija otkriva da algoritam možda neće moći izračunati stabilnu, točnu neuronsku mrežu za određeni problem bez obzira na količinu i točnost prikupljenih podataka.
Ovo je slično argumentu oca teoretičke računarske znanosti i umjetne inteligencije Alana Turinga da postoje problemi koje računalo možda neće riješiti bez obzira na računalnu snagu i vrijeme rada, objašnjavaju istraživači.
Ograničeni scenariji
Ova nova otkrića ne sugeriraju da su sve neuronske mreže potpuno manjkave, nego da se mogu pokazati stabilnima i točnima samo u ograničenim scenarijima. Ključno je pitanje kako pronaći te slučajeve. Istraživači su otkrili da često postoji kompromis između stabilnosti i točnosti u neuronskim mrežama.
"Problem je u tome što želimo i stabilnost i točnost. U praksi ćete možda morati žrtvovati određenu točnost kako bi osigurali stabilnost", upozoravaju istraživači koji su u sklopu studije razvili "brzo iterativnu mrežu s ponovnim pokretanjem" (fast iterative restarted networks, FIRENETs). Ove neuronske mreže mogu ponuditi spoj stabilnosti i točnosti kada su u pitanju zadaci kao što je analiza medicinskih slika.
Nova otkrića impliciraju postojanje teorije klasifikacije koja opisuje koje se stabilne neuronske mreže sa zadanom točnošću mogu izračunati algoritmom. "Ako je nemoguće ispeći tortu, želimo znati koliko se možemo približiti vrsti kolača koju želimo", zaključuju istraživači, držeći se analogije s kolačima.