记者5月18日从西安电子科技大学获悉，由该校计算机科学与技术学院教授赵伟领衔的智能媒体计算机团队，通过数据可信重建以及弱监督深度学习框架，破解了数据质量低及标注数据稀缺难题，进一步揭示了神经网络的决策机制，有效提升了现有可信人工智能方法的鲁棒性、可解释性和安全性。相关论文《可信冲突多模态学习算法》日前获国际人工智能领域顶级学术会议AAAI 2024杰出论文奖。
人工智能已经日益深入人们生活。在医疗、自动驾驶等复杂场景中，人工智能对决策任务的误判可能造成重大损失。传统可信人工智能多关注单模态数据，无法满足实际场景中多模态数据分析决策需求，单模态数据有限的信息量导致单模态智能可信度存在瓶颈。
为此，团队打破单模态数据思路，提出冲突多模态学习算法，并通过数据可信重建以及弱监督深度学习框架算法，实现了证据层面的冲突多模态数据可信融合。这能在提升人工智能决策性能的同时，可靠地度量决策置信度。此外，团队从理论上证明，该方法能够量化冲突模态带来的负面影响。这有利于解决当前研究面临的数据质量低、决策不可信等难题，为后续研究提供了重要的理论基础和技术支撑。
团队成员徐偲副教授解释，这种算法在给出置信度的同时，还会给出多模态数据的冲突度，实现了多模态信息的“去伪存真”。若置信度不高且冲突度较高时，人工智能的决策便明显不太可信。
记者5月18日从西安电子科技大学获悉，由该校计算机科学与技术学院教授赵伟领衔的智能媒体计算机团队，通过数据可信重建以及弱监督深度学习框架，破解了数据质量低及标注数据稀缺难题，进一步揭示了神经网络的决策机制，有效提升了现有可信人工智能方法的鲁棒性、可解释性和安全性。相关论文《可信冲突多模态学习算法》日前获国际人工智能领域顶级学术会议AAAI 2024杰出论文奖。
人工智能已经日益深入人们生活。在医疗、自动驾驶等复杂场景中，人工智能对决策任务的误判可能造成重大损失。传统可信人工智能多关注单模态数据，无法满足实际场景中多模态数据分析决策需求，单模态数据有限的信息量导致单模态智能可信度存在瓶颈。
为此，团队打破单模态数据思路，提出冲突多模态学习算法，并通过数据可信重建以及弱监督深度学习框架算法，实现了证据层面的冲突多模态数据可信融合。这能在提升人工智能决策性能的同时，可靠地度量决策置信度。此外，团队从理论上证明，该方法能够量化冲突模态带来的负面影响。这有利于解决当前研究面临的数据质量低、决策不可信等难题，为后续研究提供了重要的理论基础和技术支撑。
团队成员徐偲副教授解释，这种算法在给出置信度的同时，还会给出多模态数据的冲突度，实现了多模态信息的“去伪存真”。若置信度不高且冲突度较高时，人工智能的决策便明显不太可信。
中国科学院深圳先进技术研究院15日发布消息称，该院科研团队研发了一种具有靶向送药功能的磁驱软体机器人，该机器人能够根据器官内部环境的特点选择合适的运动模式，实现靶向送药的同时还可以控制 据英国《泰晤士报》网站3月15日报道，2020年1月，英国帝国理工学院的亚当·汉普希尔与英国广播公司合作，对8万人进行了30分钟的测试，目的是揭示生活方式的改变会影响我们的大脑功能。三个月 日本《朝日新闻》近日发表题为《深海之光——极端环境是创意宝库》的文章，作者是樱井林太郎，编译如下：在被称为最后未开垦地的深海，有着低温、高压、黑暗等极限环境。能否从这些极限环 3月20日，在2024全球游戏开发者大会（GDC）上，腾讯发布了自研游戏AI引擎——GiiNEX。基于生成式AI和决策AI技术，GiiNEX将为游戏全生命周期提供丰富的AI解决方案。据悉，借助大模型等生成式AI 3月21日上午，全球首列氢能源市域列车在中车长客股份公司（以下简称“中车长客”）试验线上进行了时速160公里满载运行试验。当日试验过程中，车以160公里/小时速度运行的列车，每公里实际运行平均能耗 美国加州理工学院喷气推进实验室的一个机器人专家团队，与卡内基梅隆大学机器人研究所科学家合作，开发出一种蛇形机器人，用于调查土星第六大卫星土卫二的地形，以寻找生命的“蛛丝马迹”。相关研究 。本文链接：新算法实现人工智能 多模态信息“去伪存真”http://www.sushuapos.com/show-2-6002-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 通义千问2.5发布