Moderni tiede lähestyy nopeasti kriisiä, jonka on aiheuttanut koneoppimistekniikoiden laaja käyttö. Tämä lausunto annettiin Yhdysvaltain tieteen edistysjärjestön yhdistyksessä Washingtonissa, D. C. Genevera Allen, Rice Universityn tilastotieteilijä.
Allen puhui ns. Uusittavuuskriisiin liittyvästä vakavasta ongelmasta. Soveltamalla AI: n lähellä olevia algoritmeja ja ymmärtämällä heikosti työnsä periaatteita, modernit tutkijat kiinnittävät usein liian paljon huomiota "meluun", jota ei voida toistaa toistuvilla kokeilla.
”Tutkijoilla on jo käsitys uusittavuuskriisistä. Uskon, että ongelman perimmäinen syy on koneoppimisalgoritmien käyttö”, Allen sanoi.
Usein käy niin, että koneoppimisen avulla suoritetun tutkimuksen tulokset näyttävät melko uskottavilta, Allen totesi, että heti, kun tutkimusta esiintyy suurella tietoryhmällä, vanha alkaa heti näyttää epätarkolta.
”Koneoppimisen keskeinen ongelma on, että se löytää malleja jopa silloin, kun niitä ei ole lainkaan. Ainoa tapa päästä pois tästä tilanteesta on kehittää uusia algoritmeja, jotka kykenevät tuottamaan todella luotettavia ja toistettavia ennusteita”, tilastoitsija kertoo.
Kolesnikov Andrey