Daily Arxiv

This page organizes papers related to artificial intelligence published around the world.
This page is summarized using Google Gemini and is operated on a non-profit basis.
The copyright of the paper belongs to the author and the relevant institution. When sharing, simply cite the source.

PaTAS: A Parallel System for Trust Propagation in Neural Networks Using Subjective Logic

Created by
  • Haebom
Category
Empty

저자

Koffi Ismael Ouattara, Ioannis Krontiris, Theo Dimitrakos, Dennis Eisermann, Frank Kargl

개요

안전 필수 애플리케이션에서 인공지능 시스템 배포의 핵심 요구 사항으로 신뢰성이 대두되고 있습니다. 본 논문은 주관 논리(SL)를 사용하여 신경망의 신뢰성을 모델링하고 전파하는 프레임워크인 PaTAS(Parallel Trust Assessment System)를 소개합니다. PaTAS는 Trust Node와 Trust Function을 통해 표준 신경 계산과 병렬로 작동하여 입력, 매개변수 및 활성화 신뢰도를 네트워크 전체에 전파합니다. 또한 훈련 중 매개변수 신뢰도를 개선하기 위한 매개변수 신뢰도 업데이트 메커니즘과 추론 시 인스턴스별 신뢰도를 계산하기 위한 IPTA(Inference-Path Trust Assessment) 방식을 정의합니다. 실제 및 적대적 데이터 세트에 대한 실험을 통해 PaTAS는 정확도를 보완하고, 독성, 편향 또는 불확실한 데이터 시나리오에서 신뢰도 격차를 드러내는 해석 가능하고 대칭적이며 수렴하는 신뢰도 추정치를 생성함을 입증했습니다.

시사점, 한계점

PaTAS는 신경망 내에서 투명하고 정량화 가능한 신뢰 추론을 가능하게 하여 AI 수명 주기 전반에 걸쳐 모델 신뢰도를 평가하기 위한 원칙적인 기반을 제공합니다.
PaTAS는 적대적 입력과 양성 입력을 효과적으로 구별하며, 모델의 신뢰도가 실제 신뢰도와 다른 경우를 식별합니다.
PaTAS는 정확도와 정밀도와 같은 기존 평가 지표가 포착하지 못하는 불확실성이나 예측의 신뢰성을 포착합니다.
논문의 구체적인 한계점은 제시되지 않았습니다.
👍