Ученые ВШЭ обосновали метод оценки точности ИИ

Исследователи из НИУ ВШЭ дали теоретическое обоснование простому и малозатратному методу оценки неопределенности для стохастического градиентного спуска — одного из распространенных подходов в классическом машинном обучении, сообщает ТАСС.

Классические системы машинного обучения, которые не основаны на нейросетях, продолжают использоваться в медицине, финансовой сфере и автономных системах. Однако для оценки надежности их предсказаний часто требуются значительные вычислительные ресурсы.

Традиционные способы построения доверительных интервалов могут быть либо слишком затратными, либо недостаточно точными. Новый подход позволяет оценивать неопределенность проще и с меньшей нагрузкой на вычислительные мощности.

По данным исследователей, этот метод уже применяли на практике, и он нередко показывал более высокую эффективность по сравнению с альтернативными решениями. При этом до последнего времени у него не было строгого математического подтверждения.

Ученые смогли объяснить эмпирическое преимущество метода с математической точки зрения и обозначить пределы его применения. Это позволяет по-новому оценить роль простых практических способов проверки точности в машинном обучении.

Разработка особенно важна для направлений, где имеет значение не только само предсказание, но и уровень уверенности в нем. Упрощение оценки неопределенности может снизить стоимость решения оптимизационных задач для многих систем машинного обучения, использующих стохастический градиентный спуск.