机构名称：
¥ 1.0
摘要 — 随着机器学习 (ML) 方法和计算资源的进步，人工智能 (AI) 赋能系统正在成为一种主流技术。然而，当前的人工智能技术（例如深度学习）并非完美无缺。当缺乏可信度和透明度时，模型复杂性和数据规模的显着增加会带来更大的挑战，这可能会产生新的风险和负面影响。在本文中，我们从稳健性的角度出发，对人工智能维护进行了阐述。我们首先介绍人工智能生命周期中一些突出的稳健性挑战，并通过类比汽车维护来激励人工智能维护。然后，我们提出了一个人工智能模型检查框架来检测和减轻稳健性风险。我们还从车辆自动驾驶中汲取灵感，以定义人工智能稳健性自动化的水平。我们的 AI 维护建议有助于在整个 AI 生命周期中进行稳健性评估、状态跟踪、风险扫描、模型强化和监管，这是构建可持续和值得信赖的 AI 生态系统的重要里程碑。
AI维护：稳健性视角
主要关键词
相关文件推荐
