محققان در مقالهی جدیدی متد نوآورانه «Variational Inference Evidential Deep Learning» یا به اختصار VI-EDL را معرفی کردهاند که گامی بزرگ برای حل چالش «اعتماد به نفس کاذب» در شبکههای عصبی عمیق است.
مدلهای فعلی EDL گاهی اوقات بیش از حد در پیشبینیهای خود مطمئن هستند، اما VI-EDL با استفاده از چارچوب استنتاج تغییراتی (Variational Inference)، یک کران پایین برای شواهد (ELBO) استخراج کرده است تا عدم قطعیت را به شکلی دقیقتر مدیریت کند.
این متد در تشخیص دادههای خارج از توزیع، شناسایی نویز و حتی در سناریوهای حساس مانند رانندگی خودران، عملکردی خیرهکننده نشان داده است. این یعنی هوش مصنوعی در آینده، بهتر متوجه میشود که «نمیداند» و این یعنی امنیت بیشتر!
منبع: arXiv Machine Learning