GCRI · Kecerdasan Buatan dan Sistem Otonom
Metode dan ketidakpastian
The methods Artificial Intelligence and Autonomous Sistem relies on: their equations and assumptions, the data they need, how they are validated and the limits of what they can show.
Urutan terjadinya sesuatu.
- 01Drafsumber dikutip, label dilampirkan
- 02Pemeriksaan buktisetiap nilai dapat dilacak
- 03Tinjauan independenkonflik dinyatakan
- 04Edisiditerbitkan beserta batasannya
- 05Koreksiversi baru, tidak pernah suntingan diam-diam
Metode yang digunakan.
- 01Kecerdasan buatan dan pembelajaran mesinAnalisis pergeseran distribusi · Fine-tuning untuk penggunaan tertentu · Metode interpretabilitasDiterapkan di sini
- 02Evaluasi AI dan rekayasa penjaminanKasus penjaminan untuk sistem AI · Red teaming terstruktur · Pemantauan pascapenerapanDiterapkan di sini
- 03Komputasi berkinerja tinggi, cloud, dan edgeAkses komputasi untuk riset publik · Pengukuran energi beban kerjaDiterapkan di sini
- 04Probabilitas dan statistikaKetidakpastian pada skor tolok ukur · Penilaian kalibrasi · Sampel auditDiterapkan di sini
- 05Keamanan siber dan kriptografiPemodelan ancaman aplikasi AI · Integritas rantai pasok model · Pengujian pertahanan terhadap injeksiDiterapkan di sini
- 06Ilmu sosial dan perilakuKajian pengawasan manusia · Riset masyarakat terdampak · Kajian adopsi di tempat kerjaDiterapkan di sini
- 07Robotika dan otomasiPengujian berbasis skenario · Keselamatan robot kolaboratif · Pemantauan domain operasiDiterapkan di sini
Each method, its role in this field and how it is checked.
- Ai MLRole hereArtificial intelligence and machine learning is the technology this platform stewards for the network.Checks appliedHeld-out evaluation; Dataset documentation; Drift monitoring
- Ai assuranceRole hereAI evaluation and assurance engineering is the second method this platform stewards.Checks appliedIndependent review; Evidence currency; Coverage reporting
- ComputingRole hereHigh-performance and cloud computing supply the capacity AI needs.Checks appliedMeasurement boundaries; Reproducible configuration; Provider data verification
- Probability statisticsRole hereProbability and statistics make AI evaluation trustworthy: confidence intervals on scores, significance of differences between models, calibration of predicted probabilities and sampling designs for audits.Checks appliedInterval reporting; Multiple comparisons; Sample size planning
- Keamanan siberRole hereCybersecurity and cryptography protect AI systems and the data they use.Checks appliedThreat model review; Provenance verification; Regression testing
- Ilmu sosialRole hereSocial and behavioural science studies how people use, trust and are affected by AI.Checks appliedEthics review; Pre-registration; Representative sampling
- RobotikaRole hereRobotics and automation bring AI into physical systems.Checks appliedScenario coverage; Simulation validity; Standards conformity
Bagaimana proses berjalan.
Process explorer · Process
Methods and uncertainty: PRISMA 2020 review reporting
10 steps·4 tahap
Proses
Methods and uncertainty: PRISMA 2020 review reporting
PRISMA 2020 adalah pedoman pelaporan untuk tinjauan sistematis; langkah-langkahnya mengikuti daftar periksanya, bukan urutan yang diwajibkan, dan tidak ada dokumen Nexus yang mengadopsinya.
01 Plan
- 01Registrasi dan protokolCatatan · Tim peninjauPedoman meminta rincian registrasi, akses ke protokol, dan setiap amendemen.
- 02Kriteria kelayakanCatatan · Tim peninjauPedoman meminta kriteria inklusi dan eksklusi serta cara studi dikelompokkan.
02 Temukan dan pilih
- 03Penelusuran: sumber dan strategiLangkah · Tim peninjauPedoman meminta sumber informasi dan strategi penelusuran lengkap. Pedoman tidak menetapkan sumber mana yang digunakan.
- 04Seleksi studiLangkah · Tim peninjauPedoman menanyakan cara studi dinilai layak, termasuk berapa banyak peninjau yang menyaring. Pedoman tidak menetapkan jumlah peninjau.
- 05Diagram alirCatatanDiagram alir menunjukkan jumlah catatan yang ditemukan, jumlah studi yang disertakan, dan alasan pengecualian.
03 Analisis
- 06Pengumpulan dataLangkah · Tim peninjauPedoman menanyakan cara data dikumpulkan dari laporan dan butir data mana yang dicari.
- 07Risiko biasLangkah · Tim peninjauPedoman meminta metode dan alat yang digunakan untuk menilai risiko bias.
- 08SintesisModel · Tim peninjauPedoman meminta ukuran efek dan metode sintesis. Pedoman tidak mewajibkan meta-analisis.
- 09Tingkat kepastian buktiLangkah · Tim peninjauPedoman meminta metode yang digunakan untuk menilai kepastian, dan melaporkan hasilnya per luaran. Pedoman tidak menyebutkan skala penilaian.
04 Laporan
- 10Laporan tinjauanCatatanPedoman membantu penulis melaporkan mengapa tinjauan dilakukan, apa yang mereka lakukan, dan apa yang mereka temukan.
LaporanOutline of an externally published reporting guideline, not a Nexus process and not a record of operation. PRISMA 2020 mainly covers reviews of intervention effects. No Nexus page names it. Every programme is at service level R0.
Where uncertainty in AI analysis comes from, and how it is shown.
| Sumber | Why it matters here | How it is reported |
|---|---|---|
| Benchmark validity | Benchmarks saturate and leak into training data | Several evaluations, held-out tests, dates stated |
| Capability elicitation | Measured capability depends on prompting and tools | Elicitation effort described |
| Deployment context | Risk depends on use, not only the model | Use-specific assessment |
| Incident data | Reporting is voluntary and uneven | Incident sources and coverage stated |
Evaluation results carry the model version, date and setup; AI capability changes quickly and old results expire.
Cara ketidakpastian dilaporkan.
- 01
Nyatakan asumsi
Setiap analisis mencantumkan asumsinya dan data yang menjadi tumpuannya.
- 02
Kuantifikasi jika memungkinkan
Rentang dan tingkat keyakinan dilaporkan di samping estimasi sentral.
- 03
Validasi dan bandingkan
Model diperiksa terhadap observasi dan, jika memungkinkan, terhadap model lain.
- 04
Terbitkan batasan
Apa yang tidak dapat ditunjukkan suatu analisis dinyatakan di samping apa yang dapat ditunjukkannya.
Where this page’s references lead.
Badan dan dokumen yang menjadi acuan halaman ini. Status dan edisi berubah; setiap tautan menuju badan penerbitnya.
Tanya jawab.
Apakah metodenya terbuka?
Kontribusikan bukti dari halaman ini.
Reports 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.
- SurelGerbang GW-GCRIKirim dari halaman iniBukti, koreksi, kasus, metode, tinjauan, terjemahan, atau masukan profil. Kiriman tiba dengan label halaman ini, sehingga editor pemiliknya menerimanya.
- ZenodoDeposit terbukaDeposit dan ajukan ke komunitasTerbitkan catatan Anda sendiri di Zenodo dengan ORCID iD Anda, lalu ajukan ke komunitas Reports di sana. Kurator meninjaunya; DOI tetap milik Anda.
- LaporanGCRILihat semua cara berkontribusiJenis kontribusi, cara masing-masing ditinjau, kredit yang Anda terima, lisensinya, dan apa yang tidak pernah diterima.
Jangan pernah mengirim data pribadi, rincian infrastruktur sensitif, atau apa pun yang tidak berhak Anda bagikan. Kontribusi ditinjau sebelum digunakan. Mengirimkannya tidak memberikan hak kepenulisan atau editorial, dan sponsor tidak pernah membeli sebuah temuan.
Bawa metode, dataset, atau pertanyaan.
Informasi dan pertanyaan sudah terbuka hari ini. Sebuah pertanyaan menerima nomor referensi dan menyebutkan langkah berikutnya; lamaran, pembayaran, alokasi komputasi, dan pendaftaran hanya dibuka ketika tim, ketentuan, dan kapasitas tinjauannya tersedia.
Dokumen hukum.
Peta, data, dan gambar di situs ini ditampilkan untuk konteks dan informasi umum. Semua itu bukan nasihat, prakiraan, atau peringatan; batasan informasinya dijelaskan dalam Penafian dan Pemberitahuan Data.