人工智能安全关键型系统中的验证和确认

人工智能法规和 V&V 过程将对安全关键型系统产生重大影响。人工智能越来越多地用于系统设计，包括汽车和航空航天工业等领域的安全关键型应用。

 

基于人工智能的系统中的验证和确认

 

验证旨在确定人工智能模型是否按照指定的要求设计和开发，而确认则是检查产品是否符合客户的要求和预期。通过采用 V&V 方法，工程师可以确保人工智能模型的输出符合规范，从而实现早期 Bug 检测并缓解数据偏向的风险。

 

在安全关键型系统中使用人工智能的一项优势是，人工智能模型可以模拟物理系统并验证设计。工程师可对基于人工智能的整个系统进行仿真，并使用数据在不同场景中测试系统，包括离群值事件。如果在安全关键型场景中执行 V&V，则可确保基于人工智能的安全关键型系统能够在各种情况下保持其性能水平。

 

大多数开发人工智能增强产品的行业，都要求工程师在产品上市前遵循相关标准。这些认证过程可确保此类产品中融入特定元素。工程师可执行 V&V 来测试这些元素的功能，这使得获得认证更容易。

 

在汽车行业中，ISO/CD PAS 8800 是一项拟制标准，旨在说明道路车辆的安全相关属性和风险因素。在航空航天和国防领域，认证是强制性要求。机载系统和设备认证中的软件考虑因素（DO178C）等现行标准不一定能直接帮助应对人工智能所带来的独特挑战。因此，新的 ARP6983 过程标准正在制定中，旨在为开发和认证实现人工智能的航空安全相关产品提供规范。

 

Deep Learning Toolbox™ Verification Library 和 MATLAB® Test™ 可以帮助工程师开发有助于遵循行业标准的软件，并简化大型系统中人工智能模型的验证和测试，从而使他们在航空和汽车领域的 V&V 方面保持领先地位。