兼具安全性與終身式學習之輕量化深度模型之研究

深度學習技術近年來飛速的成長，在各領域中都有亮點的表現。然而在深度學習即將落地、普及的同時，許多議題因應而生。首先，AI技術要落地與普及，代表著深度學習模型必須在小型或低功耗的裝置上運行，輕量化架構即是必要的研究；此外，隨著時間的演進，模型要解決的問題將不斷的擴大，模型辨識能力與模型辨識類別數量也必須跟著提升，終身式深度學習模型也就因應而生；最後，模型的安全與可靠性往往是決定產品是否能被信任的最後關鍵。綜觀以上，本計畫將以深度學習為基礎，深入探討建構兼具安全性與終身學習的輕量化神經網路技術，並預計將研發成果應用於小型無人機或小型低功耗的裝置上，使小型裝置的AI智能將隨著時間而不斷的提升。本計畫規劃成三年期計畫，第一年我們將專注於輕量化網路的開發，透過此基礎，我們可將設計好的模型安裝在小型裝置上執行。第二年，因著第一年的基礎，在輕量化架構上已有深入瞭解的情況下，我們將致力於終身式學習的技術開發，使小型裝置無須重新反覆訓練大量的資料，即能擁有學習新知識的能力，且不會遺忘舊有的知識。第三年，我們預計將前兩年的研發成果落地在實地環境中，這時模型的安全性就相當的重要。我們會在最後一年針對所有可能的攻擊行為，提出完整的模型防禦機制，並提一個有效的方法來檢驗輸入資料是否已遭到竄改，使AI模型得以被信任並可安心的使用。