Distribution shift analysis
Model performance is compared between training data and deployment data to detect shifts in inputs or labels that reduce accuracy, with monitoring set up to catch drift.
GCRI · الذكاء الاصطناعي والنظم المستقلة
سلوك تعلّم الآلة
Artificial intelligence and machine learning is the technology this platform stewards for the network. Here it is studied as a technology whose behaviour must be understood: how models learn from data, generalise, fail outside their training distribution and are adapted to specific uses.
01سجّل
Machine learning behaviour on the record.
سجل المنهجمنهج STEM
- المنهجالذكاء الاصطناعي وتعلم الآلة
- الراعياستوديو الذكاء الاصطناعي و النظم
- مُطبَّق فيالذكاء الاصطناعي والنظم المستقلة
- البيانات3 inputs
- الفحوص3 خطوات تحقق
- الصفحة المرجعيةSTEM Commons
02الطلب
ما يفعله الذكاء الاصطناعي وتعلّم الآلة هنا.
Artificial intelligence and machine learning develop algorithms that learn patterns from data to classify, predict or generate outputs. They are increasingly used for hazard detection, forecasting and decision support, and are themselves a source of risk. In artificial intelligence and data and compute, machine learning can scale detection and forecasting across interconnected النظم. Its own failure modes must be weighed when automated outputs inform consequential decisions. The canonical description is on STEM Commons.
Fine-tuning for a specific use
General models are adapted to a narrow task with curated data, and the adapted model is evaluated for both task performance and retained safety behaviour.
Interpretability methods
Feature attribution and probing methods are used to examine which inputs drive a model’s outputs, with their limits as explanations stated.
03المحاكي
نموذج عتبة للسلوك الجماعي.
يتصرف كل وكيل حين يتصرف عدد كافٍ من جهات اتصاله؛ وتحدد التغيرات الصغيرة في العتبة المتوسطة أو لدى السباقين الأوائل ما إذا كان السلوك سيبقى محليا أم يتتالى عبر السكان. نموذج تعليمي بقيم توضيحية معلنة، وليس تنبؤا.
الضوابط
- العتبة المتوسطة (حصة الجيران)
- 18%
- انتشار العتبات
- 8 نقاط
- السباقون الأوائل
- 2.0% من السكان
- الاتصالات لكل شخص
- 8
القراءات
- حصة من تصرفوا في النهاية
- 100%
- التتالي العالمي
- نعم
- خطوات الاستقرار
- 10
الأرقام والأساليب والمصادر
| خطوة | حصة من تصرفوا (%) |
|---|---|
| 0 | 2.3 |
| 1 | 6.5 |
| 2 | 16.0 |
| 3 | 28.5 |
| 4 | 47.0 |
| 5 | 65.3 |
| 6 | 80.3 |
| 7 | 93.0 |
| 8 | 99.3 |
| 9 | 100.0 |
| 10 | 100.0 |
الأساليب
- نماذج العتبة للسلوك الجماعي Granovetter (1978)، American Journal of Sociology 83
- التتاليات العالمية على الشبكات العشوائية Watts (2002)، PNAS 99
- العدوى المعقدة Centola and Macy (2007)، American Journal of Sociology 113
- تحليل الحساسية لعامل واحد في كل مرة (مخطط الإعصار) Saltelli and others (2008)، Global Sensitivity Analysis: The Primer، Wiley
البيانات
No observed data enters this model: it runs on the teaching values set by the controls, to be replaced with a programme’s own evidence.
عبر الركائز الست، بقيادة Nexus Consortium
- التجارب Labs
- مُضمَّن في الذكاء الاصطناعي والنظم المستقلة في Foundry
- جرى الاختبار عند الذكاء الاصطناعي والنظم المستقلة في Universe
- مدوَّن في المجال الرقمي والسيبراني والذكاء الاصطناعي في Standards
- نُشر في الذكاء الاصطناعي والنظم المستقلة في Reports
- يُدرَّس في كلية التقنية والنظم الرقمية في Academy
04البيانات
ما يستهلكه المنهج.
مجموعات البيانات والسجلات التي يستخدمها الذكاء الاصطناعي وتعلّم الآلة في هذه المنصة، مع دور كلٍّ منها والوسم الذي تحمله قيمها. وتُدرج المصادر في سجل المصادر.
| البيانات | الدور | الوسم |
|---|---|---|
| Training and validation datasets with documentation | Model development | مُعلَن |
| Deployment input logs | Shift detection | مرصود |
| Benchmark suites | Comparison | مُبلَّغ عنه |
05الأساليب والأدلة
How machine learning behaviour is modelled, measured and tested.
النموذج وافتراضاته وبياناته وعدم اليقين فيه، بالصورة التي يفحصها بها عالم أو مهندس. وتتبع البنى أساليب منشورة. والقيم المرسومة توضيحية، وليست نتائج.
النموذج والمعادلات والافتراضات
The model structure used for machine learning behaviour, the assumptions it makes and how each is tested.
مخاطر العنصر i
Ri = f(Hi, Ei, Vi, Ci)الخطر والتعرّض وقابلية التأثر والقدرة على المواجهةالخسارة السنوية المتوقعة
EAL = ∑k pk · Lkعلى الأحداث k ذات الاحتمال السنوي pkالنظم المقترنة
xt+1 = A xt + B ut + εtA carries the couplings, u the shock, ε the error| افتراض | لماذا أُعدّ | كيف يُختبر |
|---|---|---|
| الخطر والتعرّض مستقلان داخل الحدث الواحد | يُبقي تكامل الخسارة قابلًا للحساب | قارن بمطابقة دالة ربط (copula) على السجلات المشتركة |
| تكون الروابط خطية قرب نقطة التشغيل | يسمح بانتشار الصدمات عبر A | ادفع خارج النطاق الخطي وقارن |
| منحنيات الهشاشة قابلة للنقل بين الأماكن | نادرًا ما تتوافر المنحنيات المحلية | التحقق مقابل الخسائر المرصودة حيثما وُجدت |
- المدخلات
- مجموعات بيانات ذات إصدارات ومزودة ببيان المصدر
- المخرجات
- توزيعات، لا أرقام منفردة أبدا
- الرمز
- يُصدر مع بطاقة النموذج والاختبارات
- إعادة الإنتاج
- البيانات نفسها والشيفرة نفسها والبيئة نفسها والبذرة نفسها
مبادئ FAIR التوجيهية · GO FAIR وFORCE11W3C PROV · اتحاد الشبكة العالميةإرشادات بشأن المعالجة المتسقة لأوجه عدم اليقين · الهيئة الحكومية الدولية المعنية بتغير المناخبيانات CEOS الجاهزة للتحليل · لجنة سواتل رصد الأرض
06التحقق
كيف تُفحص النتائج.
تُقيَّم النماذج على بيانات محجوزة تراعي البنية المكانية والزمانية والفئوية. وتُختبر المتانة والمعايرة والإنصاف إلى جانب الدقة.
| التحقق | كيف يُنفَّذ |
|---|---|
| Held-out evaluation | Models are evaluated on data not used for training or tuning |
| Dataset documentation | Training data carry datasheets on origin, consent and limits |
| Drift monitoring | Deployed models are monitored for input and performance drift |
يتراجع الأداء حين تختلف ظروف النشر عن بيانات التدريب. وقد ترمّز النماذج تحيزات وتخفق دون إنذار واضح في الأحداث النادرة.
08الرعاية
من يحتفظ بالمنهج.
استوديو الذكاء الاصطناعي و النظم الذكاء الاصطناعي وتعلّم الآلة للاتحاد، وتراجع كيفية تطبيقهما عبر المنصات.
09أسئلة
أسئلة وأجوبة.
ما حدود الذكاء الاصطناعي وتعلّم الآلة في هذا المجال؟
يتراجع الأداء حين تختلف ظروف النشر عن بيانات التدريب. وقد ترمّز النماذج تحيزات وتخفق دون إنذار واضح في الأحداث النادرة.
كيف تُفحص النتائج؟
تُقيَّم النماذج على بيانات محجوزة تراعي البنية المكانية والزمانية والفئوية. وتُختبر المتانة والمعايرة والإنصاف إلى جانب الدقة.
هل القيم المعروضة في هذه الصفحة حقيقية؟
The data names, roles and checks are real descriptions of practice. The canvas shows a design of the method’s use, not a run; no result is reported here.
أين يُطبَّق هذا المنهج أيضًا؟
تجمع صفحة المنهج المرجعية كل منصة تطبّقه.
التقاريرساهم
ساهم بأدلة من هذه الصفحة.
التقارير is the Consortium’s quarterly publication. What you know about this subject can become evidence, a case or a correction in the next edition, credited to you and published under CC BY 4.0 where it is your own work.
GCRIالذكاء الاصطناعي والنظم المستقلةالتقنيات الأسيةأدلة Labs
- البريد الإلكترونيالبوابة GW-GCRIأرسله من هذه الصفحةدليل أو تصحيح أو حالة أو أسلوب أو مراجعة أو ترجمة أو مدخل لملف قُطري. يصل موسومًا بهذه الصفحة، فيتلقاه المحرر المسؤول عنها.
- Zenodoإيداع مفتوحأودِعه وقدّمه إلى المجتمعانشر سجلك الخاص على Zenodo بمعرّف ORCID iD الخاص بك، ثم قدّمه إلى مجتمع Reports هناك. يراجعه القيّمون، ويبقى معرّف DOI ملكًا لك.
- التقاريرGCRIاطّلع على جميع سبل المساهمةأنواع المساهمات، وكيفية مراجعة كل منها، والإسناد الذي تحصل عليه، والترخيص، وما لا يُقبل أبداً.
لا ترسل أبدًا بيانات شخصية أو تفاصيل حساسة عن البنية التحتية أو أي شيء لا يحق لك مشاركته. تُراجَع المساهمة قبل استخدامها؛ ولا يمنح إرسالها أي حقوق تأليف أو تحرير، ولا تشتري الرعاية أي نتيجة أبدًا.
الذكاء الاصطناعي والنظم المستقلة
قدّم منهجية أو مجموعة بيانات أو سؤالا.
المعلومات والاستفسارات متاحة اليوم. ويحصل الاستفسار على رقم مرجعي ويحدد الخطوة التالية؛ ولا تُفتح الطلبات والمدفوعات وتخصيصات الحوسبة والتسجيلات إلا حين يتوافر فريقها وشروطها وقدرة المراجعة.
الشؤون القانونية
الوثائق القانونية.
تُعرض الخرائط والبيانات والأشكال في هذا الموقع للسياق والمعلومات العامة. وهي ليست نصيحة ولا توقعات ولا إنذارات؛ وحدود المعلومات مبيّنة في إخلاءات المسؤولية وإشعارات البيانات.