
隨著技術(shù)的進(jìn)步,以簡(jiǎn)單和成本低廉的方式收集大量數(shù)據(jù)這一需求日益增長(zhǎng),以利用這些數(shù)據(jù)在能源消耗等廣泛應(yīng)用領(lǐng)域帶來(lái)顯著效益。而AI研究的一個(gè)關(guān)鍵挑戰(zhàn)是從這些數(shù)據(jù)源中提取有意義的價(jià)值,從而做出可信和可理解的決策。Christopher Nemeth博士旨在開發(fā)一個(gè)從數(shù)據(jù)收集到?jīng)Q策制定的端到端框架,以解釋數(shù)據(jù)、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(xiàng)研究將開發(fā)出新的AI工具,能夠從復(fù)雜的數(shù)據(jù)中自動(dòng)收集更深層次的信息。我們的研究將帶來(lái)新的方法,評(píng)估自動(dòng)駕駛汽車安全性,并開發(fā)新的AI系統(tǒng),以提高網(wǎng)絡(luò)安全。”
該研究項(xiàng)目名為“可伸縮和可計(jì)算學(xué)習(xí)方法概率算法((PASCAL))”,為釋放AI創(chuàng)新和技術(shù)發(fā)展的巨大潛力提供了新方法。該概率算法將不斷發(fā)展,可提供與日常生活中日益龐大和復(fù)雜的數(shù)據(jù)源相關(guān)的深入和重要的理解。