麻省理工学院团队教授AI模型其未知知识
人工智能（AI）的应用正在迅速增长，并日益融入我们的日常生活以及医疗保健、电信和能源等高风险行业。但能力越大，责任越大：AI系统有时会犯错或给出可能产生严重后果的不确定答案。
为什么这如此重要？
许多AI模型，即使是先进的模型，有时也会出现所谓的“幻觉”——即给出错误或毫无根据的回答。在医疗诊断或自动驾驶等决策影响重大的领域，这可能会带来灾难性的后果。Themis AI开发了Capsa，这是一个应用不确定性量化（uncertainty quantification）的平台：它能以详细且可靠的方式测量并量化AI输出的不确定性。
它是如何工作的？
通过赋予模型不确定性感知能力，它们可以为输出结果提供风险或置信度标签。例如：自动驾驶汽车可以指出它对当前情况不确定，从而触发人工干预。这不仅提高了安全性，还增强了用户对AI系统的信任。
技术实现示例
- 在与PyTorch集成时，通过以下方式封装模型：
capsa_torch.wrapper()输出结果同时包含预测值和风险值：
对于TensorFlow模型，Capsa使用装饰器（decorator）进行工作：
对企业和用户的影响
对于NetCare及其客户而言，这项技术意味着巨大的进步。我们能够提供不仅智能，而且安全、可预测性更高且幻觉风险更低的AI应用。这有助于组织做出更明智的决策，并在将AI引入关键业务应用时降低风险。
对于NetCare及其客户而言，这项技术意味着巨大的进步。我们能够提供不仅智能，而且安全、可预测性更高且幻觉风险更低的AI应用。这有助于组织做出更明智的决策，并在将AI引入关键业务应用时降低风险。
结论
麻省理工学院（MIT） 团队 表明AI的未来不仅在于变得更聪明，更在于运行得更安全、更公平。在NetCare，我们坚信只有当AI对其自身的局限性保持透明时，它才真正具有价值。借助Capsa等先进的不确定性量化工具，您可以将这一愿景付诸实践。
