محققان روش جدیدی به نام ST-BCP را معرفی کردهاند که به جای تمرکز بر اندازه مجموعه پیشبینی، روی بهبود دقت پوشش (Coverage) تمرکز دارد. این روش با تغییر هوشمندانه در نحوه امتیازدهی دادهها، توانسته شکاف بین پیشبینی نظری و نتیجه عملی را به شکل چشمگیری کاهش دهد و از ۴.۲٪ به ۱.۱۲٪ برساند.
این یعنی مدلهای هوش مصنوعی در آینده میتوانند با اطمینان و دقت بسیار بالاتری در شرایط عدم قطعیت عمل کنند.
منبع: arXiv Machine Learning