周伯萍是香港中文大学的盘算机科学教授，曾荣获IEEE模式识别协会揭晓的最佳论文奖，并被SCI论文评价为引用次数最多的学者之一。她的研究偏向主要集中于模式识别、盘算机视觉、图像处置和机械学习等领域。
周教授在AI领域有着近三十年的研究履历，曾介入过多项盘算机视觉和机械学习方面的研究项目。现在，她率领的研究小组致力于解决人工智能模子的可靠性息争释性问题。
在周教授看来，现在的AI虽然已经取得了许多的希望，但也存在一些问题。好比，AI需要用大量的数据举行训练，但若是数据的标注有误或者存在不完整性，那么模子的精度就会受到影响。即即是标注正确的数据，也可能存在一些异常情形，好比图像中的一些工具遮挡、光线变暗等。
为体会决这个问题，周教授提出了一种称之为“余噪削弱”的方式。该方式行使人类的“决议”来举行纠错，即让人来找出异常的数据点，并把其删除或举行标注，以此提高模子的精度和鲁棒性。这种方式不只能提高模子的可靠性，同时还能让AI加倍透明，让人们更容易明晰其决议历程。