Pesquisadores do MIT desenvolveram o IF-COMP, uma técnica que melhora a precisão das estimativas de incerteza em modelos de machine learning. Usando o princípio do comprimento mínimo de descrição (MDL), a técnica é escalável para grandes modelos e melhora a calibração sem exigir suposições complexas. Isso é crucial em cenários de alto risco, como diagnósticos médicos, ajudando profissionais a confiar mais nas previsões dos modelos. A pesquisa será apresentada na Conferência Internacional sobre Aprendizado de Máquina.

Especialistas da USP alertam sobre cuidados para evitar enganos eleitorais causados por inteligência artificial, destacando a importância de verificar a autenticidade de vídeos e mensagens.