在统计和人工智能的交集中,这是突破理论和应用界限的深刻机会。在本演讲中,我将分享我的研究旅程,以推进AI的统计基础,该基础结构为三个相互联系的部分,每个部分都解决了预测性AI和生成性AI中的关键挑战。第1部分探讨了我在动态定价方面的工作,这是预测AI的基石。通过开发基于强盗的框架,始终有效的推理和高维正规化的自适应定价模型,我解决了动态决策固有的探索 - 探索探索权衡。这些模型可以在电子商务和广告等行业中统计严格,隐私感知和实时应用程序,以证明统计方法如何在复杂市场中取得影响力。第2部分的重点是隐私审核,桥接预测性AI和生成AI的领域。本研究利用统计假设测试来设计数据驱动的框架,以量化和减轻隐私风险,包括成员推理攻击和生成模型中的数据复制。通过将理论保证(例如差异隐私)与实际评估相结合,我旨在提供可行的工具,以将隐私保存与分析效用保持一致,从而解决现代AI中最紧迫的问题之一。
主要关键词