แนวทางใหม่สำหรับปัญญาประดิษฐ์ที่สร้างความไม่แน่นอน

ขณะนี้นักวิจัยจาก University of Delaware และ University of Massachusetts-Amherst ได้เผยแพร่รายละเอียดของแนวทางใหม่สำหรับ ปัญญาประดิษฐ์ ที่สร้างความไม่แน่นอน ข้อผิดพลาด กฎทางกายภาพ ความรู้จากผู้เชี่ยวชาญ และข้อมูลที่ขาดหายไปในการคำนวณ และนำไปสู่แบบจำลองที่น่าเชื่อถือมากขึ้นในท้ายที่สุด วิธีการใหม่นี้ให้การรับประกันที่มักจะขาดหายไปจากโมเดล AI ซึ่งแสดงให้เห็นว่าโมเดลนั้นมีค่ามากน้อยเพียงใดสำหรับการบรรลุผลลัพธ์ที่ต้องการ Joshua Lansford นักศึกษาปริญญาเอกภาควิชาวิศวกรรมเคมีและชีวโมเลกุลของ UD และ Prof. Dion Vlachos ผู้อำนวยการศูนย์ Catalysis Center for Energy Innovation ของ UD เป็นผู้ร่วมเขียนบทความที่ตีพิมพ์ในวารสารScience Advances เมื่อวันที่ 14 ตุลาคม นอกจากนี้ Jinchao Feng และ Markos Katsoulakis จาก Department of Mathematics and Statistics ที่มหาวิทยาลัย Massachusetts-Amherst