Ablación (intelixencia artificial)

A ablación, en intelixencia artificial (IA), concretamente en aprendizaxe automática, é a eliminación dun compoñente dun sistema de IA. Un estudo de ablación investiga o rendemento dun sistema de IA mediante a eliminación de determinados compoñentes para comprender a contribución do compoñente ao sistema global.

O termo deriva dunha analoxía coa bioloxía (eliminación de compoñentes dun organismo) e emprégase especialmente na análise de redes neurais artificiais por analoxía coa cirurxía cerebral ablativa.^[1]

Características

Os estudos de ablación esixen que un sistema mostre unha tolerancia a erros: o sistema debe seguir funcionando aínda que falten ou se degraden certos compoñentes.^[2] Segundo algúns investigadores, os estudos de ablación consideráronse unha técnica conveniente para investigar a intelixencia artificial e a súa durabilidade ante danos estruturais.^[1]

Os estudos de ablación danan e/ou eliminan determinados compoñentes nunha contorna controlada para investigar todos os posibles resultados dun fallo do sistema; así se caracteriza como afecta cada acción ao rendemento e as capacidades xerais do sistema. Isto permite illar a achega de cada compoñente do sistema ao rendemento do mesmo. O proceso de ablación pode empregarse para probar sistemas que realizan tarefas como o recoñecemento de voz, o recoñecemento visual de obxectos e o control de robots.^[3]

Historia

O termo atribúese a Allen Newell,^[4] un dos fundadores da intelixencia artificial, quen o empregou nun tutorial de 1974 sobre recoñecemento de fala, publicado en Newell (1975). O termo é por analoxía coa ablación en bioloxía. A motivación foi que, aínda que se deseñan compoñentes individuais, a contribución dun compoñente individual ao rendemento xeral do sistema non está clara; a eliminación de compoñentes permite esta análise.^[2]

Newell comparou o cerebro humano cos ordenadores artificiais. Neste sentido, Newell considera que ambos son sistemas de coñecemento e que procedementos como a ablación pódense aplicar en ambos para probar certas hipóteses.

Notas

1 2 Meyes, Richard; Lu, Melanie; de Puiseau, Constantin Waubert; Meisen, Tobias. "Estudios de ablación en redes neuronales artificiales".
1 2 Newell, Allen; D. Raj, Reddy. En Reconocimiento del habla: Invited Papers Presented at the 1974 IEEE Symposium, ed. A Tutorial on Speech Understanding Systems. (en in). p. 43.
↑ "Ablation Studies to Uncover Structure of Learned Representations in Artificial Neural Networks - ProQuest" (en castelán). Consultado o 2023-07-05.
↑ Cohen, Paul R; Howe, Adele E. (1988). AI Magazine, ed. How Evaluation Guides AI Research: The Message Still Counts More than the Medium (en in). pp. 35–43.

Véxase tamén

Outros artigos

[:0-1] 1 2 Meyes, Richard; Lu, Melanie; de Puiseau, Constantin Waubert; Meisen, Tobias. "Estudios de ablación en redes neuronales artificiales".

[:1-2] 1 2 Newell, Allen; D. Raj, Reddy. En Reconocimiento del habla: Invited Papers Presented at the 1974 IEEE Symposium, ed. A Tutorial on Speech Understanding Systems. (en in). p. 43.

[3] "Ablation Studies to Uncover Structure of Learned Representations in Artificial Neural Networks - ProQuest" (en castelán). Consultado o 2023-07-05.

[4] Cohen, Paul R; Howe, Adele E. (1988). AI Magazine, ed. How Evaluation Guides AI Research: The Message Still Counts More than the Medium (en in). pp. 35–43.

[1]

[2]

[3]

[4]