Неопределённость в машинном обучении - ключ к раскрытию потенциала

Данная заметка Дика Вейсингера (Dick Weisinger – на фото) была опубликована 17 октября 2023 года на блоге компании Formtek.

Неопределенность - фундаментальный аспект машинного обучения, однако её часто упускают из виду (см. https://techxplore.com/news/2023-08-incorporating-human-error-machine.html ). Под неопределённостью понимают недостаток уверенности в каждом выходном результате алгоритма машинного обучения. Хотя создать обеспечивающий 100% уверенность алгоритм невозможно, важно понимать, что порождает неопределенность, как её измерить и как её можно снизить.

В машинном обучении неопределенность может появляться по многим причинам, включающих зашумленность данных, неполный охват предметной области и несовершенство моделей. Управление неопределенностью крайне важно для успеха проектов машинного обучения, поскольку оно позволяет получать более точные прогнозы и принимать колее качественные решения.

Значение неопределенности в машинном обучении выходит за рамки простого повышения точности модели. У неё также есть потенциал для того, чтобы революционизировать методы ведения деловой деятельности. Включив неопределенность в свои модели, коммерческие организации смогут принимать более обоснованные решения и лучше управлять рисками. Например, в финансовой сфере неопределенность можно использовать для моделирования волатильности рынка и улучшения инвестиционных стратегий.

По мере эволюции машинного обучения разрабатываются новые методы борьбы с неопределённостью. Одним из таких методов является проведение различия между алеаторической (aleatoric) и эпистемической (epistemic) неопределенностью. Алеаторической называют неопределенность, которая появляется из-за внутренне присущей данным стохастичности, в то время, как эпистемическая неопределенность возникает из-за недостатка знаний или информации. Проводя различие между этими двумя типами неопределенности, модели машинного обучения могут лучше количественно оценивать неопределенность и управлять ею.

Неопределенность - ключевой элемент машинного обучения, с которым связан большой потенциал для повышения точности моделей и улучшения процессов принятия решений. По мере эволюции этой области разрабатываются новые методы борьбы с неопределенностью, открывающие ещё большие потенциальные возможности для деловой деятельности и технологий. Приняв и осознав существование неопределенности, мы можем полностью раскрыть весь потенциал машинного обучения.

Дик Вейсингер (Dick Weisinger)

Источник: блог компании Formtek
https://formtek.com/blog/uncertainty-in-machine-learning-the-key-to-unlocking-potential/