BOHM: Kostenlose Hierarchische Zuschreibung für kombinierte künstliche Intelligenz-Systeme
· Quelle: arXiv cs.AI
Die künstliche Intelligenz besteht aus komplexen Systemen, die aus hierarchischen Strukturen aus spezialisierten Komponenten bestehen, die zusammenarbeiten, um Aufgaben zu erledigen. Die Zuweisung der Beiträge jeder Komponente stellt eine Herausforderung dar, und die auf Shapley basierenden Methoden sind die am häufigsten verwendeten. Diese Methoden erfordern jedoch die Bewertung des Systems mit verschiedenen Kombinationen von Komponenten, was nicht immer möglich ist, insbesondere wenn externe APIs oder transparente Komponenten verwendet werden. Um dieses Problem anzugehen, wurde BOHM entwickelt, ein Verfahren, das direkt aus den Routinggewichten, die bereits im System verwendet werden, ein hierarchisches Attributionsbaum extrahiert. Dieses Verfahren hat einen marginalen Kostenanteil von Null, benötigt keinen Zugriff auf die internen Komponenten und bietet eine multiresolutive Zuschreibung auf jedem Niveau. BOHM und die auf Shapley basierenden Methoden beantworten unterschiedliche Fragen und konvergieren, wenn der Router nahezu optimal funktioniert. Die Testergebnisse zeigen, dass BOHM effizient und wirksam bei der Zuschreibung der Beiträge der Komponenten in komplexen Systemen ist. Diese Nachricht ist wichtig, da die Zuschreibung der Beiträge der Komponenten in künstlich intelligenten Systemen entscheidend ist, um zu verstehen, wie sie funktionieren und wie sie verbessert werden können. Darüber hinaus kann die Fähigkeit von BOHM, eine multiresolutive Zuschreibung auf jedem Niveau bereitzustellen, in Anwendungen wie der Entwicklung von Marktplätzen und Second-Hand-Märkten nützlich sein, wo die Verständigung der Beiträge jeder Komponente für die Optimierung des Systems von entscheidender Bedeutung ist.
Originalartikel lesen auf arXiv cs.AI
Diese Zusammenfassung ist eine informationelle Synthese von dataqbs.com. Alle Rechte am Originalinhalt liegen beim Autor und dem genannten Medienunternehmen. Wir handeln ausschließlich als Kuratoren von Technologie-Nachrichten und beanspruchen keine Urheberschaft.