问题类型
全部 前沿科学问题 工程技术难题 产业与技术问题
学科领域
全部 数理化基础科学 生命健康 地球科学 生态环境 制造科技 信息科技 先进材料 资源能源 农业科技 空天科技 其他
征集年度
全部 2024 2023 2022 2021 2020 2019 2018
机器学习 可解释 可信 可靠
深度学习的发展使得人工智能模型纷繁复杂，而这些更复杂更强大的模型变得越来越不透明。这些模型基本上仍然是围绕相关性和关联性建立的，从而导致诸多挑战性的问题，如虚假的关联性、模型调试性和透明性的缺失、模型的不可控，以及不受欢迎的数据被放大等。上述问题使得人工智能模型的现实应用存在潜在的公平性、安全性、伦理道德等风险。为缓解经典学习范式的缺陷，防止人工智能系统存在不可信、不可控和不可靠的软肋，实现可信可靠的人工智能，在现实任务中发挥出更大效用，提升人工智能的可解释性是其中的重大挑战。
推荐机构： 中国人工智能学会
2022年度
