محققان در مقالهای جدید، معیاری به نام CANDOR را معرفی کردهاند که به ما کمک میکند بفهمیم چرا مدلهای بینایی (Frozen Encoders) در تحلیل برخی تصاویر «کور» عمل میکنند!
مشکل اینجاست که در ارزیابیهای فعلی، مدلها گاهی به جای درک ویژگیهای هندسی تصویر، به تراکم دادهها تکیه میکنند که باعث نتایج گمراهکننده میشود. روش جدید CANDOR با حذف این خطاهای آماری، به توسعهدهندگان اجازه میدهد قبل از آموزش مدل، بفهمند کدام ویژگیها توسط مدل به خوبی پشتیبانی نمیشوند. این یک گام مهم برای درک دقیقتر محدودیتهای هوش مصنوعی در تحلیلهای تخصصی مثل تصاویر پزشکی است. 🦾✨
منبع: arXiv AI