AI模型正变得越来越强大,但其在城市交通控制等现实世界应用中的部署仍然充满挑战。慕尼黑工业大学(TUM)的Ziyue Li指出了两个关键原因:学术研究通常依赖于干净、精心策划的数据,而公共部门则处理混乱、不完整且不可预测的现实世界数据。此外,模型可解释性在学术界常常被视为事后考虑,但对于公共部门的采用来说,这是一个关键要求,是部署的“生死线”。 AI
影响 强调了可解释AI和鲁棒处理现实世界数据的关键需求,以弥合学术研究与城市交通控制等领域的实际部署之间的差距。
排序理由 文章讨论了在现实世界场景中部署AI模型的挑战,引用了一位学者在会议上的见解,而不是宣布新的模型或研究突破。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →