AI dan Masalah-Masalah Sulit Dunia · Ilmu komputer teoretis · arXiv · 2026-10-23
Klasifikasi Peka Kerapuhan untuk Karakterisasi Risiko dan Pembelajaran yang Tangguh
Judul asli: Fragility-aware Classification for Risk Characterization and Robust Learning
Akurasi dan AUC tidak menangkap seberapa besar kesalahan penilaian yang dibuat dengan penuh keyakinan, padahal hal ini penting dalam situasi yang kritis bagi keselamatan. Para penulis mengusulkan Fragility Index, metrik yang menghindari risiko (risk-averse) untuk risiko ekor dari kesalahan semacam itu, beserta kerangka kerja yang dapat dilatih dan regularizer untuk jaringan saraf dalam. Pada data diagnosis medis nyata, FI mengungkap risiko kesalahan yang terlewat oleh akurasi dan AUC, dan model berbasis FI mempertahankan akurasi yang kompetitif dengan FI yang lebih rendah serta biaya operasional rata-rata yang lebih rendah dibandingkan minimisasi risiko empiris standar dalam alur kerja manusia–AI yang disimulasikan.