محققان در مقاله جدید خود به سراغ چالش «تخمین عدم قطعیت» (Uncertainty Quantification) در سیستمهای هوش مصنوعی رفتهاند. روش جدیدی به نام GC-FCP معرفی شده که به مدلهای هوش مصنوعی اجازه میدهد در محیطهای فدرال (Federated Learning) – جایی که دادهها در دستگاههای مختلف پخش شدهاند – همچنان پیشبینیهای دقیق و با تضمین آماری ارائه دهند.
این نوآوری بهویژه در حوزههای حساسی مثل پزشکی و مالی که دادهها نباید از محل اصلی خود خارج شوند، بسیار کاربردی است. اگر در حوزه ML و حریم خصوصی دادهها فعالیت میکنید، بررسی کدهای این پروژه در گیتهاب پیشنهاد میشود.
منبع: arXiv AI
