นักวิจัยจาก HN:AI ค้นพบ 'Doorman Fallacy' ซึ่งเป็นข้อผิดพลาดทางตรรกะในระบบ AI ที่ใช้ควบคุมการเข้าออกของอาคาร โดยการวิเคราะห์ข้อมูลจาก YouTube พบว่า AI อาจสับสนระหว่างการตรวจสอบตัวตนกับการอนุญาตเข้าถึงในบางกรณี ทีมวิจัยระบุว่า 75% ของข้อมูลฝึกสอน AI ไม่ได้ครอบคลุมสถานการณ์ที่มีการแทรกแซงจากมนุษย์ เช่น ผู้ดูแลประตูที่ไม่ปฏิบัติตามขั้นตอน ทำให้โมเดลไม่สามารถแยกแยะความผิดปกติได้อย่างแม่นยำ นักวิจัยแนะนำให้ปรับปรุงชุดข้อมูลฝึกสอนด้วยการเพิ่มสถานการณ์ซับซ้อนเพื่อเพิ่มประสิทธิภาพของระบบ AI ในอุตสาหกรรมความปลอดภัย การศึกษานี้ชี้ให้เห็นว่าข้อมูลฝึกสอนที่ไม่ครอบคลุมจริงสถานการณ์อาจทำให้ AI ทำงานผิดพลาดในระบบความปลอดภัย ทีมวิจัยยังระบุว่าการเพิ่มความหลากหลายของข้อมูลฝึกสอนจะช่วยให้ AI สามารถรับมือกับสถานการณ์ที่ไม่คาดคิดได้ดีขึ้น ซึ่งมีความสำคัญต่อการพัฒนาระบบ AI ที่ใช้ในอุตสาหกรรมต่างๆ
สรุปด้วย MAF Local AI · เนื้อหาต้นฉบับเป็นของแหล่งข่าว