Новое исследование показывает, что даже незначительные изменения в изображениях могут исказить интерпретации, предоставляемые методами объяснимого искусственного интеллекта, не влияя на точность предсказаний.
Новый подход к обнаружению и локализации дипфейков объединяет анализ аудио и видео, предсказывая будущие кадры для выявления несоответствий.
Ученые разработали метод машинного обучения для более точного измерения взаимодействия частиц темной материи, используя данные о скоплениях галактик.
В статье представлена Belief Net – инновационный подход к обучению скрытых марковских моделей, позволяющий эффективнее выявлять закономерности в последовательных данных.
В статье представлена методика DenoGrad, позволяющая снизить уровень шума в данных и повысить эффективность моделей искусственного интеллекта, которые легко понять и объяснить.