AAAIOct, 2019

组件不匹配是在公共部门领域应用 AI 系统的关键瓶颈

PDF
TL;DR本文研究了在 ML/AI 系统集成中，不同领域的从业人员（数据科学家、软件工程师和运营人员）所做的隐含假设，并从几个不同的角度提供了实例，以便更好地理解系统匹配的不同类别。为了使 ML/AI 组件有意义地推广，我们需要了解现有的不匹配之处，并制定应对这些不匹配影响的措施。
发现论文，激发创造
  • 机器学习系统中的不匹配特征和检测

    本文研究了机器学习在软件系统中的应用，指出了机器学习开发和部署中的三个方面：数据科学、软件工程和运营，及其不当的假设可能导致系统失败，通过调查收集了一组共同的不匹配类型，并且发现每个角色对相关不匹配的重要性的优先级不同，这些发现将有助于提高机器学习能力的系统化发展。

    Mar, 2021

  • 构建桥梁：公共领域中扩展的机器学习决策支持工具

    机器学习与公共部门决策之间存在技术挑战和政策目标的脱节，本文综述了关键技术挑战，涵盖了模型训练数据、模型设置、因果机器学习、领域适应、不确定性量化和多目标优化等内容，旨在协调机器学习与公共部门的目标。

    Oct, 2023

  • 机器学习系统的质量管理

    本文提出了一个基于现有进展的全面质量管理框架视角，并确定了软件工程研究的新领域，以实现更可靠的人工智能。

    Jun, 2020

  • 构建基于机器学习的系统中的协作挑战：沟通，文档，工程和流程

    该研究通过访谈 28 个组织中 45 位从业人员发现，在建立和部署机器学习系统时，团队在需求、数据和整合等方面都面临一些具体的协作挑战，主要来源于沟通、文档记录、工程和流程等方面，因此提出了一些建议以应对这些挑战。

    Oct, 2021

  • 为基于模型的 AI 工程开启自动化机器学习

    本文提出了一种新方法，支持自动化机器学习，帮助软件工程师在不需要深入了解人工智能的情况下，选择适当的机器学习模型、算法和技术以及适当的超参数来开发人工智能密集型系统，并进行智能能源领域的案例研究。

    Mar, 2022

  • 人工智能的系统挑战：伯克利视角

    该论文探讨了人工智能的发展带来的挑战，提出了在系统、架构和安全方面的研究方向，以解决 AI 技术存储和处理数据量的限制，并提高数据隐私保护，以便这一技术能够更好地改善人们的生活和社会。

    Dec, 2017

  • 科学面对互操作性作为成功与恶的必要条件

    在人工智能系统实现互操作性的过程中，新的伦理问题凸显出来，它们连接了我们生活中的不同领域，而这些领域之间的不同的社会奖励因此会发生改变，同时也会影响到不同领域的正义。然而，将看似相互独立的领域进行联系是知识和科学进步的必要步骤。

    Feb, 2022

  • 构建可靠的深度学习系统

    介绍了人工智能技术的广泛应用和存在的问题，并提出了对 “AI 工程” 学科的需求，探讨了相关概念和需要解决的关键挑战。

    Oct, 2019

  • 构建有效的人工智能团队：建立能够补充多种专业能力的机器学习模型

    通过联合训练分类器和分配系统的方式来补充多个人类专家的能力，实现了对于人类专家难以预测的情况进行准确预测，并将任务分配给最合适的小组成员，该方法在多个实验中均表现出优越的性能。

    Jun, 2022

  • 公共领域决策人工智能的原理及应用

    本文探讨了机器学习人工智能系统在公共部门决策的应用场景中的评估与解释的问题，提出了多种解决策略以促进 AI/ML 技术在公共领域的更广泛采用。

    Sep, 2018