論文の概要: Uncertainty Quantification 360: A Holistic Toolkit for Quantifying and
Communicating the Uncertainty of AI
- arxiv url: http://arxiv.org/abs/2106.01410v2
- Date: Fri, 4 Jun 2021 01:08:35 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-07 10:51:40.595756
- Title: Uncertainty Quantification 360: A Holistic Toolkit for Quantifying and
Communicating the Uncertainty of AI
- Title（参考訳）: 不確実性定量化360:AIの不確かさの定量化とコミュニケーションのためのホロスティックツールキット
- Authors: Soumya Ghosh, Q. Vera Liao, Karthikeyan Natesan Ramamurthy, Jiri
Navratil, Prasanna Sattigeri, Kush R. Varshney, Yunfeng Zhang
- Abstract要約: 我々は、AIモデルの不確実性定量化のためのオープンソースのPythonツールキットUncertainty Quantification 360 (UQ360)について述べる。
このツールキットの目標は2つある: ひとつは、AIアプリケーション開発ライフサイクルにおける不確実性を定量化し、評価し、改善し、伝達する共通のプラクティスを育むとともに、合理化するための幅広い能力を提供すること、もうひとつは、信頼できるAIの他の柱とのUQの接続をさらに探求することである。
- 参考スコア（独自算出の注目度）: 49.64037266892634
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we describe an open source Python toolkit named Uncertainty
Quantification 360 (UQ360) for the uncertainty quantification of AI models. The
goal of this toolkit is twofold: first, to provide a broad range of
capabilities to streamline as well as foster the common practices of
quantifying, evaluating, improving, and communicating uncertainty in the AI
application development lifecycle; second, to encourage further exploration of
UQ's connections to other pillars of trustworthy AI such as fairness and
transparency through the dissemination of latest research and education
materials. Beyond the Python package (\url{https://github.com/IBM/UQ360}), we
have developed an interactive experience (\url{http://uq360.mybluemix.net}) and
guidance materials as educational tools to aid researchers and developers in
producing and communicating high-quality uncertainties in an effective manner.
- Abstract（参考訳）: 本稿では,AIモデルの不確実性定量化のためのオープンソースのPythonツールキットUncertainty Quantification 360 (UQ360)について述べる。
第一に、aiアプリケーション開発ライフサイクルにおける不確実性を定量化し、評価し、改善し、伝達する一般的なプラクティスを育むとともに、合理化するための幅広い機能を提供し、第二に、最新の研究や教育資料の普及を通じて、公正や透明性といった、信頼できるaiの他の柱とのuqのつながりをさらに探究することである。
Pythonパッケージ(\url{https://github.com/IBM/UQ360})の他に、インタラクティブな体験(\url{http://uq360.mybluemix.net})と、研究者や開発者が高品質の不確かさを効果的に生成・伝達するのに役立つ教育ツールとしてのガイダンス教材を開発しました。
関連論文リスト
- Utilizing Background Knowledge for Robust Reasoning over Traffic
Situations [63.45021731775964]
我々は、インテリジェントトランスポーテーションの補完的な研究側面である交通理解に焦点を当てる。
本研究は,豊富なコモンセンス知識を前提として,テキストベースの手法とデータセットを対象とする。
交通状況に対するゼロショットQAには3つの知識駆動アプローチを採用しています。
論文 参考訳（メタデータ） (2022-12-04T09:17:24Z) - A Unified End-to-End Retriever-Reader Framework for Knowledge-based VQA [67.75989848202343]
本稿では,知識に基づくVQAに向けて,エンド・ツー・エンドのレトリバー・リーダー・フレームワークを提案する。
我々は、視覚言語による事前学習モデルからの多モーダルな暗黙の知識に光を当て、知識推論の可能性を掘り下げた。
提案手法では,知識検索のガイダンスを提供するだけでなく,質問応答に対してエラーが発生しやすいケースも排除できる。
論文 参考訳（メタデータ） (2022-06-30T02:35:04Z) - A Survey on Uncertainty Toolkits for Deep Learning [3.113304966059062]
ディープラーニング(DL)における不確実性推定のためのツールキットに関する第1回調査について述べる。
モデリングおよび評価能力に関する11のツールキットについて検討する。
最初の2つは、それぞれのフレームワークに大きな柔軟性とシームレスな統合を提供するが、最後の2つは、より大きな方法論的スコープを持っている。
論文 参考訳（メタデータ） (2022-05-02T17:23:06Z) - Quantus: An Explainable AI Toolkit for Responsible Evaluation of Neural
Network Explanations and Beyond [8.938727411982399]
QuantusはPythonの包括的な評価ツールキットであり、説明可能なメソッドを評価するための評価メトリクスとチュートリアルのコレクションを含んでいる。
ツールキットは徹底的にテストされており、PyPiのオープンソースライセンスの下で利用できる。
論文 参考訳（メタデータ） (2022-02-14T16:45:36Z) - Tools and Practices for Responsible AI Engineering [0.5249805590164901]
我々は、責任あるAIエンジニアリングに対する重要なニーズに対処する2つの新しいソフトウェアライブラリを提示する。
hydra-zenは、複雑なAIアプリケーションとその振る舞いを再現するプロセスを劇的に単純化する。
rAI-toolboxは、AIモデルの堅牢性を評価し、拡張する方法を可能にするように設計されている。
論文 参考訳（メタデータ） (2022-01-14T19:47:46Z) - AI Explainability 360: Impact and Design [120.95633114160688]
2019年、私たちはAI Explainability 360(Arya et al. 2020)を開発しました。
本稿では,いくつかのケーススタディ,統計,コミュニティフィードバックを用いて,ツールキットが与える影響について検討する。
また,ツールキットのフレキシブルな設計,使用例,利用者が利用可能な教育資料や資料についても述べる。
論文 参考訳（メタデータ） (2021-09-24T19:17:09Z) - Uncertainty Toolbox: an Open-Source Library for Assessing, Visualizing,
and Improving Uncertainty Quantification [15.35099402481255]
Uncertainty Toolboxは、不確実性定量化を評価し、視覚化し、改善するのに役立つpythonライブラリである。
また、重要な用語の用語集や、重要な論文参照の組織化されたコレクションなど、教育的なリソースも提供する。
論文 参考訳（メタデータ） (2021-09-21T15:32:06Z) - Fast Uncertainty Quantification for Deep Object Pose Estimation [91.09217713805337]
深層学習に基づくオブジェクトポーズ推定は、しばしば信頼できない、自信過剰である。
本研究では,6-DoFオブジェクトのポーズ推定のための,シンプルで効率的かつプラグアンドプレイなUQ手法を提案する。
論文 参考訳（メタデータ） (2020-11-16T06:51:55Z) - Trustworthy AI [75.99046162669997]
入力データの小さな敵対的変化への脆さ、決定の説明能力、トレーニングデータのバイアスに対処する能力は、最も顕著な制限である。
我々は,AIシステムに対するユーザおよび公的な信頼を高める上での6つの重要な問題に対処するために,信頼に値するAIに関するチュートリアルを提案する。
論文 参考訳（メタデータ） (2020-11-02T20:04:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。