文件名称：对抗式机器学习：交通共享经济的打击-研究论文
文件大小：982KB
文件格式：PDF
更新时间：2024-06-08 14:05:09
Adversarial Machine Learning Deep Neural
对抗性机器学习表明，对图片的干扰可能会使深度神经网络无法正确限定图片的内容。 正在进行的研究甚至表明，扰动不一定一定要那么大。 这项研究已被移植到交通标志。 测试结果是灾难性的。 例如，扰动的停车标志被识别为超速行驶标志。 由于可视化技术尚无法解决此问题，因此出现了一个问题，即谁应对该技术引起的事故负责。 制造商正在针对这一点，因此，有人声称自动驾驶汽车的商业化可能会停滞不前。 没有自动驾驶汽车，共享经济也可能无法充分发展。 本章表明，对于自动驾驶汽车事故给汽车制造商带来的不可预知的经济负担，还有其他选择。 本章涉及运营商责任，但认为出于公平原因，这不是可行的选择。 一个更可行的选择是对制造商承担无过错责任，因为这种方案迫使汽车制造商谨慎行事，但要保持可预测的财务风险。 另一种选择是在法律之外找到。 工程师可以构建实现自动化的基础架构。 这样的基础设施可以克服可视化技术的问题，但是可能潜在地创建一个由产品和服务提供商组成的复杂网络。 立法者应防止事故的受害者（如果仍要发生）将与这个复杂网络的各个行为者面对数年的法庭诉讼，以便获得赔偿。