Hybrid Convolutional Neural Networks with Reliability Guarantee

要約

AI を安全で信頼できるものにするためには、信頼できるモデルの生成と、それらのモデルの信頼できる実行が必要です。
AI モデルの信頼性の高い実行を保証するために使用できるよく知られた手法として、冗長実行を提案します。
この汎用技術は、十分に文書化された安全性や信頼性の特性を備えていない AI アクセラレータの適用範囲を拡張します。
一般的な冗長技術では、元の技術の少なくとも 2 倍または 3 倍の計算コストがかかります。
当社では、信頼性の高いモデルの実行と信頼性の低い実行を統合する共同設計アプローチを採用し、追加の計算コストを厳密に必要な場合にのみ集中させます。
ハイブリッド CNN の設計、実装、およびいくつかの予備的な結果について説明します。

要約(オリジナル)

Making AI safe and dependable requires the generation of dependable models and dependable execution of those models. We propose redundant execution as a well-known technique that can be used to ensure reliable execution of the AI model. This generic technique will extend the application scope of AI-accelerators that do not feature well-documented safety or dependability properties. Typical redundancy techniques incur at least double or triple the computational expense of the original. We adopt a co-design approach, integrating reliable model execution with non-reliable execution, focusing that additional computational expense only where it is strictly necessary. We describe the design, implementation and some preliminary results of a hybrid CNN.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google