Google Brain-onderzoeker Aleksandra Faust pleit in een recente paper voor het toepassen van deep learning in het ontwikkelen van software. Softwareprogramma’s zouden hierdoor veerkrachtiger zijn wanneer zich een probleem voordoet.
De desbetreffende paper genaamd ‘Resilient Computing with Reinforcement Learning on a Dynamical System: Case Study in Sorting’ werd woensdag gepost in samenwerking met collega’s van Sandia en UNM. Een deel van deze paper werd ook gepubliceerd op de Google AI- onderzoekssite.
Het is niet de eerste keer dat Faust zich op dit terrein begeeft. Eerder dit jaar publiceerde zij met collega’s werk over robots en onbemande vliegtuigen. Daarin werden robots getraind met reinforcement learning om onvoorziene situaties aan te kunnen in de lucht en op de grond. Deze nieuwe paper bouwt verder op dat werk, aldus een bericht op ZDNet.
Veerkracht
Het belangrijkste pluspunt van het gebruik van AI in de ontwikkeling van software is volgens de paper dat het hiermee veerkrachtiger wordt om onvoorspelbare omstandigheden te kunnen doorstaan. Denk daarbij bijvoorbeeld aan beschadigingen van geheugenchips. Momenteel zijn de aanwezige maatregelen vooral bedoeld om de programmeerfouten te beperken. Ze zijn niet bedoeld om te kunnen omgaan met wat er kan gebeuren met een lopend programma wanneer een storing of een fout optreedt.
Faust en collega’s stellen voor om de aanpak van softwareontwikkeling te veranderen door het voorbeeld van robots te volgen, die regelmatig een “doelgerichte taak” uitvoeren wanneer er fouten optreden. Hiervoor zouden ze dus perfect reinforcement learning kunnen inbouwen om te detecteren waar de fout is gemaakt en hoe deze opgelost kan worden. “Robots vertrouwen standaard op metingen die fouten bevatten, maar zijn toch gericht op het bieden van veerkrachtige besluitvorming,” aldus de paper.
Faust en collega’s presenteren hun werk op de 57ste IEEE-conferentie over besluitvorming en controle. Deze vindt plaats van 17 tot en met 19 december in Florida.