یکی از چالشهای بزرگ در مدلهای هوش مصنوعیِ آنلاین، مدیریت «خطای پوشش» (Coverage Error) هنگام تغییر توزیع دادههاست. محققان به تازگی چارچوب جدیدی معرفی کردهاند که به جای تکیه بر روشهای قدیمی ACI، بهطور همزمان هم دقت پوشش و هم کاراییِ ابعاد مجموعه پیشبینی را در محیطهای پویا تضمین میکند.
این یعنی مدلهای هوش مصنوعی در شرایط تغییرات داده، نه تنها قابلاعتمادتر عمل میکنند، بلکه از «حدسهای بیهوده و بسیار وسیع» هم جلوگیری میشود. گامی رو به جلو برای هوش مصنوعیِ واقعیتر در محیطهای دنیای واقعی!
منبع: arXiv Machine Learning