2026-01-20 | 김윤수 기자

低画质照片也能准确识别…找到提高AI精度的“数据增强法”

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

韩国研究团队揭示了即使仅凭低画质医疗照片也能诊断癌症等、在有限数据学习条件下也能提高人工智能(AI)模型准确度的方法。

蔚山科学技术院(UNIST)20日表示,AI研究生院教授尹成焕研究团队从数学上证明了AI学习必经环节数据增强提升模型稳健性的条件。该研究成果于20日(当地时间)在新加坡举行的全球性AI学术会议“美国人工智能协会(AAAI)”上被正式录用为论文。

AI模型存在一旦暴露于与所学数据略有不同的环境,性能就急剧下降的问题。可能出现医疗AI看到低画质照片无法正确诊断,或自动驾驶AI在暴风雪中无法正确识别路况的情况。

通过数据增强额外学习低画质或暴风雪这类“变量”,可以弥补上述问题。数据增强是对原始数据人为施加变形以增加AI模型学习量的过程。但如何变形数据最为有效,尚未得到明确阐明。

研究团队证明,满足“邻近支撑增强(PSA)”条件的方式是最优的数据增强。PSA是对原始数据施加细微变形、密集填充原始数据周边的增强方式。研究团队首先证明数据空间与参数空间中的变化相互对应,随后验证了满足PSA条件的数据空间变化也会使参数空间的损失函数地形变得平坦。若密集填充输入数据周边,与之对应的模型内部参数空间也会变平,从而使AI具备稳健性。

研究团队表示:“这是让数据增强设计成为更系统化科学的研究”,“将成为在自动驾驶、医疗影像、制造检测等分布频繁变化的实际环境中构建可信AI模型的重要理论基础。”

阅读韩文原文