2025-10-12 12:03:40
科技日报柏林7月28日电（记者李山）德国人工智能研究中央（DFKI）研究团队于日前召开的国际机械进修年夜会上陈诉称，于可注释人工智能（AI）领域，“X-hacking”是一个此前被广泛轻忽的�：Γ⒑粲跖行约胺此夹缘乩弥鞫到蓿ˋutoML）工具。 如果AI体系作出了准确推测，但却以彻底差异的方式注释其患上出的这些结果，会发生甚么？DFKI数据科学团队先容了“X-hacking”给AI可托度带来结构性�：Φ难芯拷峁�。 X-hacking一词源在统计学中的P-hacking。所谓P-hacking指的是研究职员可经由历程一些数据操作技巧，于统计学上患上出一个有显著意义的结果，纵然这个结果现实上并没有意义。这相称在一种数据改动，可能会致使宣布假阳性结果。 响应的X-hacking描写了两种焦点机制：一是Cherry-picking，即从浩繁一样优异的模子中，精心遴选出注释能力最强、最能撑持预期结果的模子；二是定向搜刮，Autu8国际平台-oML体系不仅能优化推测性能，另有能精准地找到具备特定注释模式的模子。但这内里存于的�：ν坏凸馈� 纵然模子患上出的结果险些不异，所谓的特性主要性也可能存于巨年夜差异。这于医学研究或者社会科学等运用领域尤为敏感，由于于这些领域，可注释的模子通常组成要害决议计划的基础。 AutoML代表了开发、选择及优化机械进修模子的主动化流程。软件工具接受了许多之前只有经验富厚的机械进修工程师才气完成的使命，例如选择适合的模子架构、数据预处置处罚及超参数优化等。于医学、工业或者社会研究等数据密集型领域，AutoML有望实现更快的开发速率、更低的进入门坎及可重复的结果。 然而，这类主动化使患上人们难以理解模子决议计划的制订方式，这是可注释AI的一个要害问题。是以，DFKI研究团队建议，利用AutoML的学科应该意想到要领的�：Γ还獾ブ皇切磐腥砑�。
