新国大人工智能创新及育成中心于8月14日成功举办了主题为模型检测和可信赖的机器学习” 的学术分享会,新加坡国立大学计算机学院正教授、澳大利亚工程院院士、格里菲斯大学(part-time)科研正教授董劲松针对模型检测和可信赖的机器学习带来了精彩的学术分享。

董教授在此次分享会中,提到了他和他的团队研发的PAT验证系统。他介绍到:“PAT 是一个过程分析工具集,用来进行系统检查、模拟和验证的独立的推理系统,并在很多领域有实际的应用。”

工业史上,因系统设计缺陷而造成的灾难性案例不胜枚举,基于这种情况,董教授阐述了模型检测的重要性和必要性,以及由此衍生的两个应用。第一个应用用于在工业界检查一个产品或者一个系统的完整性,有没有bug或者测试各种情况下可能发生的事件。董教授以自己研发的PAT系统为例,它是用于并发和实时系统的增强型模拟器、模型检查器和细化检查器。该系统可以用来建模真实世界或者工业系统,并且可以自由的对其测试。第二个应用是用于概率计算和推理。同样以PAT为例,它可以用来计算概率,得出决策,或者在机器人的自动寻路里,根据环境的变化寻求最优的路径。例如,在网球比赛中,PAT能够准确预测费德勒的比赛胜率,并且能够追踪因他的打球习惯改变而导致的胜率变化,从而反向分析出能够击败费德勒的最有效对策。在一次公开赛中,董教授通过PAT成功预测出费德勒的打球习惯,并利用其分析出的推荐打法,帮助一位排名远靠后的选手击败了费德勒。

除了关于模型检测的精彩分享,对于可信赖的机器学习方面,董教授解释道,可信赖的机器学习重点在于高解释性,尤其在应用于在医疗和法律界的案例时, 需要对模型做出的决策作出解释,而可信赖的机器学习正是因此而生。董教授向大家展示了自己的一个基于可信赖的机器学习系统的最新科研成果 —— Silas,这是和 Dependable Intelligence 公司合作的一个成果。现在流行的深度学习技术的解释性非常低,而Silas系统则与之相反,同时具备高解释性和高准确率,从而在目前的市场上具有极高的商业价值。

Silas 详情请见 www.depintel.com,如有合作意向请联系新国大人工智能创新及育成中心。


分类: 活动