محققان در مقاله جدیدی به چالش مهم «عدم قطعیت» در مدلهای یادگیری عمیق پرداختهاند. تا پیش از این، دو نوع عدم قطعیت (شناختی و تصادفی) معمولاً با هم ترکیب میشدند که باعث ایجاد نتایج مبهم میشد.
در این روش جدید، با استفاده از «تفکیک ساختاری» (Structural Separation)، مدل یاد میگیرد که هر نوع از عدم قطعیت را در مسیرهای مجزا مدیریت کند. این یعنی خروجیهای مدل نهتنها دقیقتر هستند، بلکه تفسیرپذیری آنها برای ما انسانها نیز بسیار بهتر شده است. یک قدم رو به جلو برای هوش مصنوعیِ قابلاعتمادتر! 🚀
منبع: arXiv AI