A joint study by the University of Trieste of Sissa and the University of Oxford has managed to understand the origin of fragility in the classification of objects by algorithms and to remedy it
Immagine
Una modificazione impercettibile all’occhio umano può ingannare sofisticate intelligenze artificiali facendogli compiere errori di classificazione che un essere umano non farebbe mai, come confondere un autobus con uno struzzo. Un problema significativo per la sicurezza quando si tratta di applicare il deep learning, le reti neurali profonde, a strumenti come le automobili che si guidano da sole.
Un team di ricercatori e docenti targato Università di Trieste, Scuola Internazionale Superiore di Studi Avanzati – Sissa e Università di Oxford è riuscito però a mostrare una nuova via per rendere queste reti neurali più robuste e difficili da ingannare.