MLC@home
Verfasst: 02.07.2020 18:47
Es gibt ein neues Projekt: MLC@home - Machine Learning Comprehension@Home
Start: 1. Juli 2020
Website: http://mlcathome.org/
Project URL für den BOINC Manager: https://www.mlcathome.org/mlcathome
Wenn ich das richtig verstanden habe, geht es um die Erforschung künstlicher Intelligenz - auch wenn das so ausdrücklich nicht in der Projektbeschreibung steht. Es sollen Modelle entwickelt werden, die erklären können, wie "Entscheidungen" von Maschinen/Computern zustandekommen, was KI leisten kann und wo die Grenzen liegen. Ich füge mal eine Übersetzung der Beschreibung von der Projekt-Website an. Es ist ein kleines Projekt des Doktoranden John Clemens von der University of Maryland, Baltimore County.
Wer das Ganze besser versteht und erklären kann, immer her mit den Infos!
Gruß,
Sebastian
______________________________________
Öffnen der Black Box
Neuronale Netze haben in den letzten zehn Jahren eine Revolution des maschinellen Lernens ausgelöst, die dazu geführt hat, dass Maschinen erstaunlich komplexe Aufgaben bewältigen. Bei diesen Modellen handelt es sich jedoch um große Black Boxes: Wir wissen, dass sie funktionieren, aber sie sind so komplex (bis zu Hunderte von Millionen von Parametern!), dass es uns schwer fällt, die Grenzen solcher Systeme zu verstehen. Doch das Verständnis von Netzwerken wird extrem wichtig, wenn Netzwerke in sicherheitskritischen Bereichen wie der Medizin und autonomen Fahrzeugen eingesetzt werden. Modelle müssen auf ihre Robustheit gegenüber gegnerischen Beispielen geprüft werden, Verzerrungen müssen identifiziert und kompensiert werden, und es müssen Grenzen für das, was das Netzwerk hervorbringen wird, identifiziert werden.
Was MLC@Home macht
MLC@Home bietet eine offene, kollaborative Plattform für Forscher, die das Verständnis des maschinellen Lernens untersuchen. Sie ermöglicht es uns, Tausende von Netzwerken parallel zu trainieren, mit streng kontrollierten Inputs, Hyperparametern und Netzwerkstrukturen. Wir nutzen dies, um Einblicke in diese komplexen Modelle zu gewinnen. Übersetzt mit www.DeepL.com/Translator (kostenlose Version)
Start: 1. Juli 2020
Website: http://mlcathome.org/
Project URL für den BOINC Manager: https://www.mlcathome.org/mlcathome
Wenn ich das richtig verstanden habe, geht es um die Erforschung künstlicher Intelligenz - auch wenn das so ausdrücklich nicht in der Projektbeschreibung steht. Es sollen Modelle entwickelt werden, die erklären können, wie "Entscheidungen" von Maschinen/Computern zustandekommen, was KI leisten kann und wo die Grenzen liegen. Ich füge mal eine Übersetzung der Beschreibung von der Projekt-Website an. Es ist ein kleines Projekt des Doktoranden John Clemens von der University of Maryland, Baltimore County.
Wer das Ganze besser versteht und erklären kann, immer her mit den Infos!
Gruß,
Sebastian
______________________________________
Öffnen der Black Box
Neuronale Netze haben in den letzten zehn Jahren eine Revolution des maschinellen Lernens ausgelöst, die dazu geführt hat, dass Maschinen erstaunlich komplexe Aufgaben bewältigen. Bei diesen Modellen handelt es sich jedoch um große Black Boxes: Wir wissen, dass sie funktionieren, aber sie sind so komplex (bis zu Hunderte von Millionen von Parametern!), dass es uns schwer fällt, die Grenzen solcher Systeme zu verstehen. Doch das Verständnis von Netzwerken wird extrem wichtig, wenn Netzwerke in sicherheitskritischen Bereichen wie der Medizin und autonomen Fahrzeugen eingesetzt werden. Modelle müssen auf ihre Robustheit gegenüber gegnerischen Beispielen geprüft werden, Verzerrungen müssen identifiziert und kompensiert werden, und es müssen Grenzen für das, was das Netzwerk hervorbringen wird, identifiziert werden.
Was MLC@Home macht
MLC@Home bietet eine offene, kollaborative Plattform für Forscher, die das Verständnis des maschinellen Lernens untersuchen. Sie ermöglicht es uns, Tausende von Netzwerken parallel zu trainieren, mit streng kontrollierten Inputs, Hyperparametern und Netzwerkstrukturen. Wir nutzen dies, um Einblicke in diese komplexen Modelle zu gewinnen. Übersetzt mit www.DeepL.com/Translator (kostenlose Version)