지난 10년 동안 인공 지능이 크게 발전한 것은 대규모 오픈 소스 온라인 카지노 사이트베이스를 사용한 광범위한 알고리즘 훈련에 달려 있었습니다. 그러나 오스틴에 있는 텍사스 대학교(University of Texas at Austin) 연구원들이 진행한 새로운 연구에 따르면 이러한 온라인 카지노 사이트 세트가 "오프 라벨(off label)"로 사용되고 의도하지 않은 방식으로 적용되면 결과는 AI 알고리즘의 무결성을 손상시키는 기계 학습 편향의 영향을 받을 수 있다고 합니다.
이번 주에 발표된 발견은국립과학원의 논문집, 한 작업에 대해 게시된 온라인 카지노 사이트가 다른 작업에 대한 알고리즘을 학습하는 데 사용될 때 발생하는 문제를 강조하세요.조나단 타미르, Cockrell School of Engineering의 전기 및 컴퓨터 공학 조교수이자 UT가 주도하는 National Science Foundation 온라인 카지노 사이트 Institute for the Foundations of Machine Learning의 회원은 이번 연구의 공동 저자 중 한 명입니다.
연구원들은 의료 영상 연구의 유망한 결과를 재현하지 못했을 때 이 문제를 발견했습니다.
“몇 달 간의 작업 끝에 우리는 논문에 사용된 이미지 온라인 카지노 사이트가 사전 처리되었다는 것을 깨달았습니다.”라고 UC Berkeley 전기 공학 및 컴퓨터 과학 교수이자 연구 책임자인 Michael Lustig가 말했습니다. "우리는 문제에 대한 인식을 높여 연구자들이 더욱 주의를 기울이고 보다 현실적인 결과를 발표할 수 있도록 하고 싶었습니다."
수년에 걸쳐 무료 온라인 온라인 카지노 사이트베이스가 확산되면서 의료 영상 분야의 AI 알고리즘 개발을 지원하는 데 도움이 되었습니다. 특히 자기공명영상(MRI)의 경우 알고리즘이 개선되면 스캔 속도가 빨라질 수 있습니다.
잘 알려진 ImageNet과 같은 일부 온라인 카지노 사이트 세트에는 수백만 개의 이미지가 포함되어 있습니다. 의료 이미지가 포함된 온라인 카지노 사이트 세트는 스캔에서 얻은 측정값을 디코딩하는 데 사용되는 AI 알고리즘을 훈련하는 데 사용될 수 있습니다.
많은 디지털 사진가들이 알고 있듯이 원시 이미지 파일에는 압축 파일보다 더 많은 온라인 카지노 사이트가 포함되어 있으므로 원시 MRI 측정 온라인 카지노 사이트베이스에서 AI 알고리즘을 훈련하는 것이 중요합니다. 그러나 이러한 온라인 카지노 사이트베이스는 드물기 때문에 소프트웨어 개발자는 때때로 처리된 MR 이미지가 포함된 온라인 카지노 사이트베이스를 다운로드하고, 겉보기에 원시 측정값을 합성한 다음, 이를 사용하여 이미지 재구성 알고리즘을 개발합니다.
연구원들은 이러한 잘못된 방법론을 사용하여 알고리즘을 개발할 때 발생하는 편향된 연구 결과를 설명하기 위해 '암시적 온라인 카지노 사이트 범죄'라는 용어를 만들었습니다.
“온라인 카지노 사이트 처리 파이프라인은 온라인 카지노 사이트가 온라인에 저장되기 전에 온라인 카지노 사이트 큐레이터에 의해 적용되며 이러한 파이프라인이 항상 설명되지는 않기 때문에 실수하기 쉽습니다. 따라서 어떤 이미지가 처리되었는지, 어떤 이미지가 원본인지 항상 명확하지 않습니다.”라고 Shimron은 말했습니다.
사실이라고 믿기엔 너무 좋은
이러한 관행이 어떻게 성능 편향으로 이어질 수 있는지 보여주기 위해 Shimron과 그녀의 동료들은 fastMRI 온라인 카지노 사이트세트를 기반으로 원시 이미지와 처리된 이미지 모두에 세 가지 잘 알려진 MRI 재구성 알고리즘을 적용했습니다. 처리된 온라인 카지노 사이트를 사용했을 때 알고리즘은 원시 온라인 카지노 사이트에서 생성된 이미지보다 최대 48% 더 나은(눈에 띄게 더 선명하고 선명한) 이미지를 생성했습니다.
“문제는 그 결과가 믿기 어려울 정도로 너무 좋았다는 것입니다.” Shimron이 말했습니다.
Ke Wang, UC Berkeley Ph.D. Lustig 연구실의 학생은 연구의 다른 공동 저자 중 한 명입니다.
원시 파일부터 시작하여 연구원들은 많은 오픈 액세스 MRI 온라인 카지노 사이트베이스에 영향을 미치는 두 가지 공통 온라인 카지노 사이트 처리 파이프라인, 즉 상용 스캐너 소프트웨어 사용 및 JPEG 압축을 통한 온라인 카지노 사이트 저장을 사용하여 제어된 단계로 이미지를 처리했습니다. 그들은 해당 온라인 카지노 사이트 세트를 사용하여 세 가지 이미지 재구성 알고리즘을 훈련한 다음 재구성된 이미지의 정확성과 온라인 카지노 사이트 처리 범위를 측정했습니다.
"우리의 결과는 모든 알고리즘이 유사하게 동작한다는 것을 보여주었습니다. 처리된 온라인 카지노 사이트에 구현하면 좋아 보이는 이미지를 생성하지만 처리되지 않은 원본 이미지와는 다르게 보입니다."라고 Shimron은 말했습니다. "차이는 온라인 카지노 사이트 처리 범위와 높은 상관관계가 있습니다."
'지나치게 낙관적인' 결과
또한 연구원들은 사전 훈련된 알고리즘을 임상 설정에서 사용하여 처리된 온라인 카지노 사이트에 대해 사전 훈련된 알고리즘을 가져와 실제 원시 온라인 카지노 사이트에 적용할 때의 잠재적 위험을 조사했습니다.
"결과는 놀라웠습니다"라고 Shimron은 말했습니다. "처리된 온라인 카지노 사이트에 맞게 조정된 알고리즘은 원시 온라인 카지노 사이트를 처리해야 할 때 제대로 작동하지 않았습니다."
온라인 카지노 사이트는 훌륭해 보이지만 부정확하다고 연구 저자들이 말했습니다. "일부 극단적인 경우에는 병리학에 관련된 작고 임상적으로 중요한 세부 사항이 완전히 누락될 수 있습니다."라고 Shimron은 말했습니다.
알고리즘은 더 선명한 이미지와 더 빠른 이미지 획득을 보고할 수 있지만 결과는 임상 또는 원시 스캐너 온라인 카지노 사이트로 재현될 수 없습니다. 이러한 '지나치게 낙관적인' 결과는 편향된 알고리즘을 임상 실습으로 전환할 위험이 있음을 드러낸다고 연구진은 말했습니다.
"아무도 이러한 방법이 임상 실습에서 어떻게 작동할지 예측할 수 없으며 이는 임상 채택에 장벽이 됩니다."라고 박사 학위를 취득한 Tamir가 말했습니다. UC Berkeley에서 전기 공학 및 컴퓨터 과학을 전공했으며 전 Lustig 연구실 멤버였습니다.
Shimron은 업계와 학계 모두 의료 영상을 위한 새로운 AI 방법을 개발하기 위해 빠르게 노력하고 있기 때문에 이러한 "온라인 카지노 사이트 범죄"를 밝히는 것이 중요하다고 말했습니다. 그녀는 온라인 카지노 사이트 큐레이터가 온라인 카지노 사이트세트의 파일을 처리하는 데 사용되는 기술에 대한 전체 설명을 웹사이트에 제공함으로써 도움을 줄 수 있다고 말했습니다.
국립 생의학 영상 및 생명 공학 연구소와 국립 과학 재단 기계 학습 기초 연구소의 자금 지원이 이 연구를 지원하는 데 도움이 되었습니다.
