محققان در مقاله جدیدی به سراغ حل یکی از چالشهای پیچیده در حوزه «استنتاج همشکلی انتخابی» (Selective Conformal Inference) رفتهاند. این تحقیق بر روی سناریوهایی متمرکز است که در آنها دادهها تحت «مداخلات» (Interventions) قرار میگیرند؛ مثل آزمایشهای ژنتیک.
تیم پژوهشی به جای یادگیری کل گراف علّی، روشی نوآورانه برای یادگیری ساختار علّی جزئی ارائه کردهاند که به مدل کمک میکند مداخلات «ایمن» را برای کالیبراسیون انتخاب کند. این رویکرد باعث میشود میزان عدم قطعیت در مدلهای هوش مصنوعی به شکل چشمگیری کاهش یابد و پیشبینیها در شرایط پیچیده دقیقتر شود. 🧪🧬
منبع: arXiv Machine Learning