Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Dégénérescence de la fiabilité
Les praticiens de l'apprentissage profond supposent souvent que les données de test et les données d'entraînement partagent la même distribution. Malheureusement, cette hypothèse n'est pas toujours valable dans la pratique. Le monde évolue, et les données générées par le futur sont souvent out-of-distribution (bonnes). Par conséquent, à mesure que le contexte change, l'hypothèse relative à la distribution devient moins réaliste, tout comme la fiabilité de nos prévisions et incertitudes (Fort, Hu et Lakshminarayanan 2019, Nalisnick et al. 2019, Ovadia et al. 2019). En fait, les performances prédictives peuvent diminuer tandis que les mesures de confiance augmentent, ce qui entraîne une défaillance silencieuse.
