迈向可验证的 AI: 形式化方法的五大挑战( 九 )


图3中的边显示了这些原则之间的依赖关系 , 例如运行时保证依赖于自省和数据驱动的环境建模 , 以提取可监测的假设和环境模型 。 同样 , 为了进行系统级分析 , 我们需要进行组合推理和抽象 , 其中一些AI组件可能需要挖掘规范 , 而其他组件则通过形式化的归纳综合构建生成正确的结构 。
自2016年以来 , 包括作者在内的几位研究人员一直致力于应对这些挑战 , 当时本文已发表的原始版本介绍了一些样本进展 。 我们已经开发了开源工具VerifAI和Scenic , 它们实现了基于本文所述原则的技术 , 并已应用于自动驾驶和航空航天领域的工业规模系统 。 这些成果只是一个开始 , 还有很多事情要做 。 在未来的几年里 , 可验证AI有望继续成为一个富有成效的研究领域 。
原文链接:https://cacm.acm.org/magazines/2022/7/262079-toward-verified-artificial-intelligence/fulltext
雷峰网迈向可验证的 AI: 形式化方法的五大挑战
文章图片