Cientistas do KAIST desenvolvem técnica para identificar incertezas em inteligência artificial
Cientistas do Instituto Avançado de Ciência e Tecnologia da Coreia (KAIST) revelaram uma nova abordagem de treinamento que visa reduzir a superconfiança em modelos de inteligência artificial. O estudo, publicado na revista Nature Machine Intelligence, identifica a inicialização aleatória padrão das redes neurais como um fator crucial para previsões errôneas ou imprecisas.
Método de “aquecimento” proposto
A pesquisa, coordenada pelo professor Se-Bum Paik, sugere uma técnica de “aquecimento” que modifica a incerteza do modelo antes da exposição aos dados reais. Nesse processo, as redes neurais são submetidas a um breve período de treinamento utilizando ruído e rótulos aleatórios, antes de serem introduzidas no conjunto de dados definitivo.
Os pesquisadores explicam que essa fase inicial si...










