某中心科学家在AI暑期学校讲授机器学习技术

牛津机器学习暑期学校（OxML）是一个为期两周的虚拟活动，参与者将向30多位讲师学习机器学习技术，其中包括某中心首席科学家James Hensman。该活动旨在扩大人工智能人才库，并将AI技术与联合国2030年可持续发展目标（SDGs）联系起来。

高斯过程：量化预测置信度的机器学习方法

Hensman的讲座将专注于高斯过程，这是一种可用于量化预测置信度的机器学习方法。他描述高斯过程是一种处理函数的方法，其中包含输入（如图像）和输出（如图像描述标签）。

“与仅调整单一函数不同，使用高斯过程时，我们获得了一个可以合理解释数据的函数空间，“他解释道。“当我们尝试标记新图像或预测新模拟中的结果时，可以说出我们的置信度水平。”

在全球可持续发展目标方面，特别是与今年OxML重点关注的健康相关目标，Hensman指出了这种预测方法可能有用的几种场景：

Hensman于2020年4月加入某中心，他享受将研究论文中的理论应用于最终帮助优化库存布局的模拟中。

例如，在预测库存流时，不考虑不确定性的单一数字估计是没有用的。基于高斯过程的方法可以根据数据提供更清晰的图景。

“我们不想说’明天将有X百万立方英尺的货物到达您的履约中心’，“Hensman解释说。“我们想说’超过X百万立方英尺的可能性是95%；超过Y百万立方英尺的可能性是5%。'”

高斯过程方法只是Hensman在供应链优化工作中应用的众多机器学习技术之一。他表示，在某中心工作的吸引力在于有机会超越理论，“通过我的工作改变业务进程”。

在今年夏天的OxML上，他将邀请全球更多好奇的思考者，共同探索如何应用机器学习概念来改变全球可持续发展倡议的进程。