源之原味

 

这篇文章来自 nvidia.com。原始 url 是: https://blogs.nvidia.com/blog/2018/07/12/icml-nvail-partners-research/

以下内容由机器翻译生成。如果您觉得可读性不好, 请阅读原文或 点击这里.

三个开拓性研究团队支持 NVIDIA AI 实验室 本周的主要调查结果显示在 国际机器学习会议, 这是在斯德哥尔摩举行的一场大型 AI 表演。

作为 NVAIL, 我们的计划为这些研究伙伴提供了访问强大 GPU 计算 资源。

清华大学和佐治亚理工大学的研究人员正在探索如何检测使用图表结构化数据的神经网络中的漏洞。牛津大学的一个团队正在培训多个 AI 代理, 以便在相同的环境中高效地操作。卡耐基梅隆大学的研究人员正在确定一个神经网络如何能更快地了解周围空间的最佳路径。

加强神经网络对抗攻击

如果显示一个西瓜的图像, 上面放着一些被炒的像素, 人类仍然能够很容易地识别它。但是, 这足以愚弄一个神经网络到 misclassifying 的图片对象作为大象而不是-一种对抗攻击黑客可以用来操纵算法。

虽然现有的对抗攻击的研究聚焦于图像, 但 联合文件 从佐治亚理工大学, 蚂蚁金融和清华大学首次展示了这个漏洞也扩展到了图形数据的神经网络。

结构化数据由节点 (存储数据和边缘) 组成, 它们将节点相互连接。研究人员通过添加和删除边缘来进行实验, 以了解神经网络在响应边缘修改时开始表现不佳的地方。

社会网络数据, 就像一个单一用户如何连接到 Facebook 好友网络的图表一样, 是图表结构化数据的一个例子。另一种是个人之间货币交易的数据--例如谁给谁发了钱的记录。

愚弄一个图表神经网络, 看财务数据可能导致欺诈交易被标记为合法的。"如果这样的模型不健全, 如果这是容易被攻击, 这引发了更多的关注使用这些模型, 说:" 唐汉钧, 博士的学生在佐治亚理工大学和首席作者在论文。

该团队使用了 cuDNN 软件库和运行他们的实验 特斯拉 GeForce GTX 1080 钛 GPUs。本文在研究图结构数据对抗攻击问题的同时, 提出了增强图象神经网络的解决方案, 从而为其提供了可靠的结果, 尽管攻击未遂。

团队协作使神经网络工作

开车是多人活动。尽管每个司机只能控制一辆车, 司机的行为也会影响路上的其他人。轮子后面的人也必须考虑驾驶者在决定做什么时的行为。

将这种多层理解转化为 AI 是一个挑战。

AI 代理从其环境中获取信息和反馈, 以学习和做出决策。但是, 当有多个代理在同一空间运行时, 研究人员的任务是教导每一个 AI, 以了解其他特工如何影响最终结果。

如果一个代理人不能对他人的行为进行推理, 它就无法正确地调和它的观察。

"例如, 它可能发现自己在完全相同的情况下, 采取同样的行动和不同的可能发生的事情, 说:" 牛津大学博士学生 Tabish 拉希德, 一个共同作者在一个 论文 这将在 ICML 提出。"这导致了相互冲突的学习发生。这使我们很难学会做什么。

在培训过程中可以避免这个问题, 研究人员可以允许多个代理相互通信并了解其他代理的操作。但在现实世界中, 一个 AI 特工不会总是与他人交流或洞察别人的计划, 所以它必须能够独立行动。

牛津研究人员提出了一种利用训练环境的新方法。使用策略游戏 星际争霸 II, 他们在一个代理可以自由共享信息的环境中培训了几个代理。经过这种集中式培训后, 测试人员对其独立执行的程度进行了检验。

牛津大学前硕士学生 Mikayel Samvelyan 表示, 这种方法远远超出了研究范围: "你可以在模拟器中训练工程师, 然后使用他们在现实世界中学到的策略。

该团队使用了一个 NVIDIA DGX-1 AI 超级计算机和几个 GeForce GTX 1080 Ti GPUs 为他们的工作。

规划完美的道路

在一个懒惰的夏日, 看着一个清洁机器人蜿蜒在游泳池周围的方式, 可以是一种温和的娱乐消遣。但是, 它是否采取了最有效的途径来节省时间和精力?

神经网络可以帮助机器人学习最佳 路径 在环境附近快速地和以较少输入信息。卡内基梅隆大学的一个研究小组撰写了一篇论文, 概述了一个比当前算法更简单的训练和更通用的路径查找模型。

这使得开发人员可以更轻松地采用相同的基础模型, 并快速将其应用于不同的解决方案, 并对其进行优化。寻找路径的应用程序多种多样, 从家用机器人到工厂机器人, 无人驾驶飞机和自主车辆不等。

使用2D 和3D 迷宫, 团队培训了 神经网络, 由 NVIDIA DGX-1 提供动力, 是加速深入学习研究的重要工具。在世界范围内, AI 可能并不总是有地图或事先知道环境的结构, 所以开发模型只是从环境的图像中学习。

卡内基梅隆大学计算机科学教授鲁斯兰 Salakhutdinov 说: "导航是几乎所有智能系统的核心部件之一。他说, 像这样的路径规划网络可能成为开发人员插入大型机器人系统的一个积木。

ICML 的与会者, 运行 7月 10-15, 可以听到有关每一个这些项目 在会议上.来的 NVIDIA 展位 (B02:12, 霍尔 B) 与我们的 AI 专家联系, 看看新的 DGX-2 超级计算机, 看看最新的演示。

Leave A Reply

Your email address will not be published.