麻省理工学院团队教AI模型学习新知识
人工智能（AI）的应用正在迅速增长，并日益与我们的日常生活以及医疗保健、电信和能源等高风险行业交织在一起。然而，能力越大，责任也越大：AI系统有时会犯错或给出不确定的答案，这可能带来严重后果。
麻省理工学院（MIT）的Themis AI，由CSAIL实验室的Daniela Rus教授共同创立和领导，提供了一项突破性解决方案。他们的技术使AI模型能够“知道自己不知道什么”。这意味着AI系统可以自行指出其预测的不确定性所在，从而在造成损害之前避免错误。
为什么这如此重要？
许多AI模型，即便是先进的模型，有时也会出现所谓的“幻觉”——它们会给出错误或毫无根据的答案。在医疗诊断或自动驾驶等决策影响重大的行业中，这可能导致灾难性后果。Themis AI开发了Capsa，这是一个应用不确定性量化的平台：它以详细且可靠的方式衡量和量化AI输出的不确定性。
工作原理？
通过向模型灌输不确定性感知，可以为它们的输出提供风险或置信度标签。例如，自动驾驶汽车可以表明它对某种情况不确定，因此会触发人工干预。这不仅提高了安全性，也增强了用户对人工智能系统的信任。
技术实施示例
- 当与 PyTorch 集成时，模型的封装通过
capsa_torch.wrapper()其中输出包括预测和风险：
对于 TensorFlow 模型，Capsa 使用一个装饰器：
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飞跃。我们可以交付不仅智能，而且安全、更具可预测性、减少“幻觉”的 AI 应用。它有助于组织在将 AI 引入关键业务应用时，做出更明智的决策并降低风险。
对于 NetCare 及其客户而言，这项技术意味着巨大的飞跃。我们可以交付不仅智能，而且安全、更具可预测性、减少“幻觉”的 AI 应用。它有助于组织在将 AI 引入关键业务应用时，做出更明智的决策并降低风险。
结论
麻省理工学院（MIT） 团队 表明人工智能的未来不仅在于变得更智能，更在于实现更安全、更公平的运行。在 NetCare，我们相信，只有当人工智能能够透明地说明自身的局限性时，它才能真正具有价值。借助 Capsa 等先进的不确定性量化工具，您也可以将这一愿景付诸实践。
