伊尔梅瑙研究人员正在开发人工智能在关键系统中的安全使用

伊尔梅瑙研究人员正在开发人工智能在关键系统中的安全使用

伊尔梅瑙技术大学已融入德国研究基金会 (DFG) 的一个先锋研究小组，该小组致力于应对机器学习的挑战。他们的目标是提高该技术的安全性、性能和数据效率。重点特别是复杂的控制系统和安全关键应用，涵盖电能系统、自动驾驶和机器人技术等重要领域。伊尔梅瑙数学教授 Karl Worthmann 将领导机器学习和数学精度之间的接口。

该研究项目由汉诺威莱布尼茨大学协调，于四月底通过国际研讨会启动。未来四年将提供近350万欧元的资金，其中486,400欧元将直接拨给伊尔梅瑙工业大学。这一举措凸显了机器学习在人工智能发展中的核心作用，以及传统系统在持续运行过程中在安全要求方面所达到的限制。

融入产业

当前发展的另一个重要方面是将机器学习集成到工业应用中。新设立的内部培训课程题为“工业安全关键应用的机器学习”，旨在考虑具体的安全原则。这样做是考虑到现有和未来的人工智能标准以及行业特定标准。

培训参与者了解机器学习对功能安全的影响。这还包括鲁棒性、偏差和预测确定性等关键概念的应用，以及特定项目安全生命周期的开发。需要将人工智能集成到生产流程并提供安全证据的工程师是本次培训的目标受众。该计划为机器学习的安全使用提供了一个结构化框架和一个全面的工具包。

技术基础知识

支持机器学习的基本元素是神经网络，它是该技术的一个子集。神经网络很大程度上受到人脑神经细胞之间连接的启发。这些人工网络由通过加权连接连接在一起的多层数据节点组成。通过重复呈现数据，神经网络学会更有效地对信息进行分类。

神经元之间权重的调整不断发生，使得创建的模型适用于未知数据。一种特殊类型的神经网络是所谓的“深度神经网络”。这些网络可以包含数十万甚至数百万层神经元，从而能够通过深度学习解决日益复杂的问题。持续的培训和连接的适应对于这些学习过程的成功至关重要。

综上所述，可以说伊尔梅瑙技术大学及其合作伙伴通过创新方法和培训计划，为机器学习的进一步发展及其在关键领域的安全应用做出了重大贡献。

有关伊尔梅瑙工业大学研究小组的更多信息，请访问 图伊尔梅瑙网 。您可以在以下位置找到有关内部培训的详细信息： 弗劳恩霍夫 iks.de 以及有关人工智能和神经网络的更多信息，请访问 弗劳恩霍夫 iks.de 。