في تطور مثير في مجال الذكاء الاصطناعي، تم تقديم إطار نظري صارم لمعالجة مشكلة السلامة في الذكاء الاصطناعي، وخاصة المتعلقة بالقوة ضد الخصوم. يُظهر هذا العمل أنه يمكن تقليل مشكلة القوة ضد الخصوم إلى مشكلة مسار على شبكة (lattice traversal problem).

يتعلق الأمر بشبكات العصبية المتعددة الطبقات (Multilayered Perceptron - MLP)، حيث تم وضع تعريفات جديدة للشهادات الصوتية (sound certification) والكاملة (complete certification). حيث تشير الشهادات الصوتية إلى حالات يمكن فيها إحداث تغيرات حرة في المدخلات دون تغيير توقعات الشبكة، بينما تضمن الشهادات الكاملة تغير التوقعات إذا انتقلت المدخلات خارج نطاق معين.

تستخدم الدراسة مشغلات مسار شبكي متطورة، وتطبقها ضمن آلية تكرارية للتحسين والتحقق. يضمن المنهج الخاص بالشهادات الصوتية والحد الأقصى الكامل الحصول على نتائج موثوقة. والمثير للاهتمام هو أن الدراسة كشفت عن عدم تناسق كبير في مسائل التحسين، حيث يمكن الحصول على الحد الأدنى للحلول للشهادات الكاملة بكفاءة أعلى مقارنة بالشهادات الصوتية.

هذا البحث يوفر مفاتيح جديدة لفهم كيفية تحسين استجابة الشبكات العصبية في مواجهة التهديدات المحتملة، مما يشكل خطوة هامة نحو تعزيز أمن الذكاء الاصطناعي في التطبيقات العملية.