محققان در مقاله جدید خود به سراغ مفهوم «عدم قطعیت» (Uncertainty Quantification) در مدلهای هوشمند رفتهاند. برخلاف رویکردهای سنتی، این پژوهش پیشنهاد میدهد که عدم قطعیت را نه بهعنوان یک اصلِ مجزا، بلکه بهعنوان نتیجهای مستقیم از تصمیمات مدلسازی در نظر بگیریم.
این چارچوب نظری با تجزیه «ریسک ذهنی» (Subjective Risk)، به درک عمیقتری از ابعاد مختلف خطاهای مدل (مانند خطای تخمین و تقریب) کمک میکند و زیربنای علمی جدیدی برای ارزیابی قابلیت اطمینان سیستمهای هوشمند فراهم میآورد. این مقاله گام مهمی به سوی یک چارچوب کامل برای یادگیری ماشینی و درک بهتر رفتار مدلها در شرایط نامشخص است.
منبع: arXiv Machine Learning