Acrónimo:
SAFETY OF NEURAL NETWORKS
Nombre largo:
Área:
Aeronáutica
Institución:
Universidad de Perpignan
IP:
Miembros:
Descripción:
La inteligencia artificial está en todas partes hoy en día y está alterando nuestra vida diaria. Esta tecnología se está desarrollando a gran velocidad y sus casos de uso se están multiplicando en todos los sectores, especialmente en el aeronáutico y la defensa. Una red neuronal artificial es un sistema informático de hardware o software que funciona de manera similar a las neuronas del cerebro humano. La aeronáutica con una gran cantidad de datos utiliza el método de aprendizaje profundo, que es un método donde la máquina puede aprender por sí misma. Para ello, la red neuronal está formada por decenas o incluso cientos de capas de neuronas, cada una de las cuales recibe e interpreta la información de la capa anterior. Uno de los retos es interpretar imágenes aéreas y satelitales, por ejemplo, para seguir la ocupación del piso, detectar vehículos, identificar la dirección que toman estos vehículos. Uno de los retos es interpretar imágenes aéreas y satelitales, por ejemplo, para seguir la ocupación del piso, detectar vehículos, identificar la dirección que toman estos vehículos.
Sin embargo, encontraron errores en los resultados. Desde la propulsión hasta el diseño de formas de aviones a través del desarrollo de materiales compuestos, el campo aeroespacial también se caracteriza por requisitos estrictos y una certificación meticulosa para garantizar la seguridad y sostenibilidad de los sistemas de vuelo. Este grado de seguridad también debe encontrarse en los sistemas de inteligencia artificial en general y en las redes neuronales en particular.
El objetivo del proyecto es garantizar la fiabilidad de las redes neuronales en el campo aeroespacial. Existe una demanda de empresas aeronáuticas, espaciales y de defensa.
Los dos socios se especializan en inteligencia artificial y más precisamente en la confiabilidad de los cálculos y la validez de las redes neuronales. Ya han colaborado en proyectos similares, por ejemplo, en el sector de la automoción. Técnicamente, esto es para asegurar la validez de las respuestas producidas por grandes redes de interpolación o clasificación fuera de sus puntos de aprendizaje. Para ello se utilizan técnicas desarrolladas en el marco del análisis de programas estáticos. Los nuevos socios completarán el consorcio en términos de casos de uso, así como métodos de validación, optimización o portabilidad a arquitecturas exóticas de redes neuronales.
Hipótesis:
Las hipótesis de trabajo se definió conjuntamente con los laboratorios de investigación.
A partir de la problemática busca:
- Garantizar la seguridad de las redes neuronales en aplicaciones críticas:
- En todas las configuraciones posibles
- Para conjuntos de entrada realistas
Optimizar las implementaciones de NN para adaptarse a sistemas integrados con recursos limitados:
- Optimizar el diseño de la memoria
- Optimizar el tiempo de ejecución en tiempo de ejecución
Objetivos:
El plan de acción tiene como objetivo dar respuesta a un problema que surge en el ámbito de la aeronáutica y la defensa. La confiabilidad de las redes neuronales es necesaria para el correcto funcionamiento del dispositivo. La industria aeroespacial requiere una certificación cuidadosa y muy precisa para garantizar la seguridad de las aeronaves. El objetivo sería desarrollar herramientas de validación para el análisis de NN, así como optimizar las implementaciones de NN para sistemas integrados.
- Herramientas de validación para análisis NN
- Análisis estático, análisis dinámico
- Determinar las respuestas en el peor de los casos
- Impacto de la aritmética informática
- Modelo de entrada
- Optimización de implementaciones NN para sistemas embebidos
- Optimización de la memoria (reducción de la memoria)
- Tiempo de ejecución (paralelización, optimización)
- Reducción de la precisión digital sin cambiar el comportamiento