นักวิจัยกล่าวว่าพวกเขาได้พบวิธีที่มีประสิทธิภาพสำหรับอัลกอริทึม AI เช่นที่ใช้ใน Biometrics เพื่อตัดสินว่ามันมีความมั่นใจในการตัดสินใจอย่างไร เทคนิคซึ่งมีรายงานว่าไม่ส่งผลกระทบต่อประสิทธิภาพของโมเดลก็สามารถใช้ในการมองเห็น Deepfakes
ซอฟต์แวร์สามารถรายงานการตัดสินใจได้อย่างรวดเร็ว แต่ยังมีความมั่นใจในข้อมูลอินพุตพื้นฐานและในการตัดสินใจเอง
ด้วยข้อมูลนี้ผู้ใช้สามารถตัดสินใจได้แบบเรียลไทม์หากพวกเขาต้องการทำโมเดลใหม่เพื่อให้ได้ผลลัพธ์ที่มีคุณภาพดีขึ้นตามนักวิจัยจากสถาบันเทคโนโลยีแมสซาชูเซตส์และมหาวิทยาลัยฮาร์วาร์ด
อัลกอริทึมสามารถเขียนได้ในวันนี้ที่ตัดสินและรายงานความมั่นใจของพวกเขา แต่กระบวนการนี้มีทรัพยากรเข้มข้นและค่อนข้างช้า ผู้ใช้ที่ต้องการการวิเคราะห์ความไม่แน่นอนต้องเรียกใช้เครือข่ายประสาทซ้ำ ๆ ซ้ำ ๆ เพื่อให้เข้าใจว่าอัลกอริทึมมีความมั่นใจเพียงใด
โมเดลเหล่านี้ไม่สามารถใช้งานได้สำหรับบทบาทที่คาดหวังอย่างกระตือรือร้นสำหรับ AI เช่นการบินหรือขับรถอิสระซึ่งจะขึ้นอยู่กับพลังการคำนวณดิบและการตัดสินใจใกล้เข้ามาใกล้
ทีมวิจัยได้พัฒนาสิ่งที่พวกเขาเรียกว่าการถดถอยอย่างลึกซึ้งเพื่อประเมินความไม่แน่นอนจากเครือข่ายประสาทเพียงครั้งเดียว
เพื่อทดสอบนวัตกรรมของพวกเขาพวกเขาได้ฝึกอบรมเครือข่ายประสาทเพื่อวิเคราะห์ภาพสีตาข้างเดียวโดยประมาณระยะห่างระหว่างเลนส์กล้องและพิกเซลของภาพแต่ละภาพ ความไม่แน่นอนในระดับสูงถูกคาดการณ์โดยเครือข่ายสำหรับพิกเซลที่คาดการณ์ความลึกที่ไม่ถูกต้อง
กล่าวอีกนัยหนึ่งมันมีความแน่นอนน้อยกว่าในกรณีที่ทำนายผิด
เครือข่ายประสาทพบภาพแพทย์ด้วย ระดับเสียงรบกวนจากฝ่ายตรงข้ามเพิ่มขึ้นในบางภาพที่ส่งไปยังเครือข่าย
ในขณะที่ผลที่ได้คือ“ แทบจะมองเห็นได้อย่างไม่น่าเชื่อกับดวงตามนุษย์” ตามที่นักวิจัยกล่าวว่าแบบจำลองนี้มีการตั้งค่าสถานะการจัดการอย่างไม่แน่นอนอย่างน่าเชื่อถือ
