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 · Zîrekiya çêkirî û pergalên xweser
Machine learning behaviour
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.
01Qeyd
Machine learning behaviour on the record.
Method recordSTEM method
- RêbazZîrekiya çêkirî û fêrbûna makîneyê
- ParêzvanZîrekiya çêkirî û Pergal
- Applied inZîrekiya çêkirî û pergalên xweser
- Dane3 inputs
- Checks3 validation steps
- Canonical pageSTEM Commons
02Application
What artificial intelligence and machine learning does here.
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 pergalan. 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.
03Simulator
Modeleke sînor a tevgera kolektîf.
Her ajan dema ku têra têkiliyên wê kiriye tevdigere; guherînên piçûk di sînora navîn an di yên pêşîn de diyar dikin ka tevger herêmî dimîne an di nav nifûsê de kaskade dibe. Modela hînkirinê bi nirxên ronîker ên diyarkirî, ne pêşbînî.
Kontrol
- Sînora navîn (beşa cîranan)
- 18%
- Belavbûna sînoran
- 8 xal
- Pêşengên tevgerê
- 2.0% ya mirovan
- Têkilî ji bo her kesî
- 8
Xwendin
- Beşa yên ku di dawiyê de çalakî kirin
- 100%
- Zincîra cîhanî
- Erê
- Gavên çareserkirinê
- 10
Jimar, rêbaz û çavkanî
| Gav | Beşa yên ku çalakî kirine (%) |
|---|---|
| 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 |
Rêbaz
- Modelên sînor ên tevgera kolektîf Granovetter (1978), American Journal of Sociology 83
- Zincîrên cîhanî li ser torên rasthatî Watts (2002), PNAS 99
- Belavbûnên tevlihev Centola and Macy (2007), American Journal of Sociology 113
- Hesasiyeta yek-yek (tornado) Saltelli and others (2008), Global Sensitivity Analysis: The Primer, Wiley
Dane
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.
Li seranserê şeş stûnan, bi pêşengiya Nexus Consortium
- Ceribandin Labs
- Hatiye avakirin di Zîrekiya çêkirî û pergalên xweser li Foundry
- Tê ceribandin li Zîrekiya çêkirî û pergalên xweser li Universe
- Hatiye kodkirin di Dîjîtal, Sîber û AI di Standards de
- Hatiye weşandin di Zîrekiya çêkirî û pergalên xweser li Reports
- Tê de tê dayîn Fakulteya Teknolojî û pergalên dîjîtal di Academy de
04Dane
What the method consumes.
Datasets and records used by artificial intelligence and machine learning on this platform, with the role each plays and the label its values carry. Sources are listed in the source register.
| Dane | Rol | Nîşan |
|---|---|---|
| Training and validation datasets with documentation | Model development | DECLARED |
| Deployment input logs | Shift detection | ÇAVDÊRÎKIRÎ |
| Benchmark suites | Comparison | REPORTED |
05Rêbaz û delîl
How machine learning behaviour is modelled, measured and tested.
Model, texmînên wî, daneyên wî û nediyariya wî, bi şeweyê ku zanyar an endezyar kontrol bike. Avahî rêbazên weşandî dişopînin. Nirxên hatine xêzkirin nimûneyî ne, ne encam in.
Model, hevkêşe û texmîn
The model structure used for machine learning behaviour, the assumptions it makes and how each is tested.
Xetera hêmana i
Ri = f(Hi, Ei, Vi, Ci)metirsî, rûbirûbûn, lawazî û kapasîteya serederiyêWindahiya salane ya hêvîkirî
EAL = ∑k pk · Lkli ser bûyerên k bi îhtîmala salane pkPergalên girêdayî
xt+1 = A xt + B ut + εtA carries the couplings, u the shock, ε the error| Texmîn | Çima tê çêkirin | Çawa tê ceribandin |
|---|---|---|
| Metirsî û rûbirûbûn di nav bûyerekê de serbixwe ne | Entegrala windahiyê ji hesabkirinê re maqûl dihêle | Bi lihevhatineke copula li ser tomarên hevbeş re bidin ber hev |
| Girêdan li nêzî xala xebatê xêzik in | Dihêle şok di A de belav bibin | Ji derveyî rêza xêzik tevlihev bike û bide ber hev |
| Xêzên lawaziyê di navbera cihan de têne veguhastin | Xêzikên herêmî kêm tên dîtin | Li hember windahiyên çavdêrîkirî erê bike li cihê ku hene |
- Têketin
- danehevên bi guhertoyan û çavkaniyê
- Derketin
- belavkirin, tu carî jimarên tenê
- Kod
- bi qerta modelê û ceribandinan re hat weşandin
- Zêdebûn
- heman dane, kod, jîngeh û tov
Prensîbên rêber ên FAIR · GO FAIR û FORCE11W3C PROV · World Wide Web ConsortiumRêwerzên ji bo birêvebirina hevgirtî ya nediyarîyan · IPCCCEOS Analysis Ready Data · Committee on Earth Observation Satellites
06Erêkirin
How results are checked.
Models are evaluated on held-out data that respects spatial, temporal and group structure. Robustness, calibration and fairness are tested alongside accuracy.
| Kontrol bikin | How it is done |
|---|---|
| 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 |
Performance degrades when deployment conditions differ from training data. Models can encode biases and fail without clear warning on rare events.
07Connections
Topics that rely on this method.
08Stewardship
Who maintains the method.
Zîrekiya çêkirî û Pergal stewards artificial intelligence and machine learning for the Consortium and reviews how it is applied across platforms.
09Pirs
Pirs û bersiv.
What are the limits of artificial intelligence and machine learning in this field?
Performance degrades when deployment conditions differ from training data. Models can encode biases and fail without clear warning on rare events.
How are results checked?
Models are evaluated on held-out data that respects spatial, temporal and group structure. Robustness, calibration and fairness are tested alongside accuracy.
Are the values on this page real?
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.
Where else is this method applied?
Çavdêrxaneya canonical method page lists every platform that applies it.
rêzeya Pergalên StratejîkTevkarî bike
Ji vê rûpelê delîl bidin.
rêzeya Pergalên Stratejîk 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.
GCRIZîrekiya çêkirî û pergalên xweserTeknolojiya eksponensiyelDelîlên Labs
- E-nameDergeh GW-GCRIJi vê rûpelê bişîninDelîl, rastkirin, doz, rêbaz, nirxandin, wergerandin an têketina profîlê. Bi nîşana vê rûpelê digihîje, ji ber vê yekê edîtorê xwediyê wê wê bistîne.
- ZenodoDepoya vekirîWê razînin û ji civakê re bişîninTomara xwe li Zenodo bi ORCID iD ya xwe biweşînin, paşê wê li wir ji civaka Reports re bişînin. Kurator wê vedikolin; DOI ya we dimîne.
- rêzeya Pergalên StratejîkGCRIHemû rêyên beşdariyê bibîneCureyên beşdariyê, her yek çawa tê nirxandin, tu çi navlêkirinê distînî, lîsans û tiştê ku qet nayê qebûlkirin.
Tu carî daneyên şexsî, hûrgiliyên binesaza hesas an tiştekî ku mafê we yê parvekirinê tune ne neşînin. Beşdarî berî bikaranînê tê nirxandin; şandina wê nivîskarî an mafên edîtorî nade û sponsorî tu carî encamekê nakire.
Zîrekiya çêkirî û pergalên xweser
Rêbazek, danehevek an pirsek bîne.
Agahî û pirs îro vekirî ne. Pirsek referansekê distîne û gava piştî wê dide nasîn; serlêdan, drav, veqetandina hesabkirinê û tomarkirin tenê dema ku tîm, mercên wê û kapasîteya vekolînê hebin vedibin.
Hiqûqî
Belgeyên hiqûqî.
Nexşe, dane û jimarên vê malperê ji bo çarçoveyê û agahiyên giştî têne nîşandan. Ew ne şîret, ne pêşbînî û ne hişyarî ne; sînorên agahiyê di Daxuyaniyên Berpirsiyariyê û Daxuyaniyên Daneyê de hatine diyarkirin.