至顶网软件频道消息:通用电气认为,人工智能可以具备一定程度的谦逊,算法将有足够的意识来了解它们不知道的东西。
通用电气研究公司表示,它一直在其风电场和燃气轮机的数字化双胞胎部署试用“谦逊人工智能”。该计划旨在将谦逊人工智能注入GE的数字化双胞胎产品和服务。
谦逊人工智能指的是在遇到算法无法识别的情况时,具备默认切换到已知安全操作模式的能力。
在安全模式下操作时,谦逊人工智能可以通过收集更多操作数据、人类工程师的输入,与其他资产的关联以及运行其他模拟和场景来学习新情况。
通用电气全球研究公司软件研究副总裁Colin Parris表示,该公司的谦逊人工智能方法正在风电场进行试点。Parris表示:“我们希望向算法引入业务风险的概念,并为你提供模型失败的早期预警和预测……了解我将这些资产引入哪些商业风险。”
Parris解释说,人工智能背后的主要思想是,模型将了解他们的能力以及他们具有高度自信的领域。如果模型看到的是其置信区之外的东西,比如温度范围,那么该模型将足够谦逊,知道自己在这方面不自信。
Parris 解释说:“人工智能应该谦虚地知道它不在其能力范围之内,并转向标准操作。”
Parris表示,归根结底,谦逊人工智能的承诺是,它能够以更低的商业风险提供更快的价值。
好文章,需要你的鼓励
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
随着医疗数据数字化与互操作性的进步,跨机构纵向患者数据的研究应用成为可能。本研究通过对20位领域专家的访谈,识别出8种数据收集方法,涵盖智能手机应用、结构化数据导出、区域/全国研究查询及聚合数据源等。研究发现,各方法均有其优缺点,无单一最优方案。参与者中介交换方式可绕过复杂治理安排,但存在数据缺口;全国性网络尚不支持研究查询。公共政策的持续推进将对该领域发展起关键作用。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。