
隨著技術的進步,以簡單和成本低廉的方式收集大量數據這一需求日益增長,以利用這些數據在能源消耗等廣泛應用領域帶來顯著效益。而AI研究的一個關鍵挑戰是從這些數據源中提取有意義的價值,從而做出可信和可理解的決策。Christopher Nemeth博士旨在開發一個從數據收集到決策制定的端到端框架,以解釋數據、建模、以及決策不確定性,從而提供具有廣泛用途的、透明的、可解釋的決策工具。
Nemeth博士表示,“這項研究將開發出新的AI工具,能夠從復雜的數據中自動收集更深層次的信息。我們的研究將帶來新的方法,評估自動駕駛汽車安全性,并開發新的AI系統,以提高網絡安全。”
該研究項目名為“可伸縮和可計算學習方法概率算法((PASCAL))”,為釋放AI創新和技術發展的巨大潛力提供了新方法。該概率算法將不斷發展,可提供與日常生活中日益龐大和復雜的數據源相關的深入和重要的理解。