将AI构建为行星级系统

4月下旬，全球人工智能科学家以虚拟方式参加了国际学习表征会议（ICLR）。该会议聚焦人工智能、统计学和数据科学的进展，以及计算机视觉、计算生物学、语音识别、文本理解、游戏和机器人技术等领域。

某机构学者兼加州大学伯克利分校教授Michael I. Jordan发表了主题演讲，探讨了将AI发展为能够设计行星级系统的领域所面临的复杂性，这些系统可大规模协助人类。

“抽象化当前存在于商业、医疗或交通等领域的IT系统，一个AI系统涉及众多人类参与者、计算机、数据流和决策，“Jordan解释道。“大规模AI系统将包含由众多机器学习决策者组成的复杂网络，这些决策者需要协同工作以最小化数据感知决策的风险。”

以下是Jordan的主题演讲内容，其中他讨论了bandits-meet-matching-markets、基于不确定性的Q学习以及实时错误发现率等方面的新研究成果。这些技术将有助于缓解机器学习决策中涌现的挑战，确保AI系统能为依赖它们的人类做出更智能的决策。

机器学习的决策层面 | ICLR 2021

研究领域
机器学习

标签
ICLR
某机构学者
深度学习