机构名称：
¥ 4.0
问题：当今用于构建大多数机器学习模型的过程存在一个根本问题。一般方法是在大量示例上训练模型，然后在尚未见过的类似示例上对其进行测试。通过该测试表明模型已完成。正如谷歌的研究人员 [D’Amour 等人，2020] 指出的那样，这个标准太低，无法产生稳健的模型，因为许多不同的模型都可以通过测试，但它们会以微小的任意方式有所不同，这取决于过程中做出的不同选择。如果这些微小的差异不会影响测试结果，通常会被忽略——但它们可能会导致现实世界性能的巨大差异，其中一些模型是不正确的。这个问题被称为“规格不足”，这意味着即使训练过程能够产生一个好的模型，也可能产生一个坏的模型，因为它无法分辨出差异——其他人也分辨不出。
人工智能 (AI) 和机器学习 (ML) 的获取和政策影响
主要关键词
相关文件推荐
