据TechXplore网9月13日消息，美国洛斯阿拉莫斯国家实验室发表了一项研究，通过比较神经网络之间的差异，来了解人工智能工作原理，并提出“架构间的相似性随着鲁棒性而增加”的研究成果。研究人员对多组神经网络进行对抗性训练，来增强它们对于错误信息的抵抗能力（可用鲁棒性指标衡量），并使用网络相似性指标来度量不同神经网络的相似程度。研究结果显示，随着攻击次数的增加，所有的神经网络的相似程度上升。这可能表明，对抗性训练的引入会导致不同的神经网络收敛到相似的架构，这有望帮助工业界和学术界找到神经网络的最优架构。研究人员表示，具有强抵抗力的神经网络可能是彼此相似的，这有望帮助业界理解强健的人工智能的工作原理。

消息来源：https://techxplore.com/news/2022-09-method-neural-networks-exposes-artificial.html