人工智能已经日益深入人们生活。
在医疗、自动驾驶等繁芜场景中，人工智能对决策任务的误判可能造成重大丢失。
传统可信人工智能多关注单模态数据，无法知足实际场景中多模态数据剖析决策需求，单模态数据有限的信息量导致单模态智能可信度存在瓶颈。

新算法实现人工智能多模态信息“去伪存真”_人工智能_数据 AI简讯

为此，团队冲破单模态数据思路，提出冲突多模态学习算法，并通过数据可信重修以及弱监督深度学习框架算法，实现了证据层面的冲突多模态数据可信领悟。
这能在提升人工智能决策性能的同时，可靠地度量决策置信度。
此外，团队从理论上证明，该方法能够量化冲突模态带来的负面影响。
这有利于办理当前研究面临的数据质量低、决策不可信等难题，为后续研究供应了主要的理论根本和技能支撑。

团队成员徐偲副教授阐明，这种算法在给出置信度的同时，还会给出多模态数据的冲突度，实现了多模态信息的“去伪存真”。
若置信度不高且冲突度较高时，人工智能的决策便明显不太可信。

来源：科技日报