Мета обнаружила еще одну потенциальную причину низкокачественной работы искусственного интеллекта: аппаратные сбои, которые повреждают данные. В недавней статье исследователи Меты отметили, что такие сбои, известные также как "молчаливые повреждения данных" (SDC), могут привести к повреждению параметров в системах искусственного интеллекта. Это испортит исходные значения параметров модели искусственного интеллекта, что приведет к неточным или аномальным результатам. Обнаружение таких аппаратных сбоев вызывает трудности, особенно в сложных и разнообразных системах аппаратного обеспечения искусственного интеллекта. Для решения этой проблемы Мета предлагает использовать "фактор уязвимости параметров" (PVF) - метрику, которая позволяет количественно оценить уязвимость моделей искусственного интеллекта в отношении повреждения параметров.

PVF может быть настроен для различных моделей аппаратных сбоев, моделей и задач. Симуляции Меты с использованием инструмента "DLRM" показали, что одиночные битовые сбои могут вызывать четыре неверные выводы на каждые тысячу случаев. Исследование предлагает аппаратным разработчикам искусственного интеллекта учитывать PVF для балансировки защиты от сбоев и производительности. Эта концепция базируется на предыдущем понятии "фактора архитектурной уязвимости" (AVF), представленном Intel и Университетом Мичигана в 2020 году.