Машинное обучение может вызвать кризис в науке

Современная наука стремительно приближается к кризису, который провоцируется повсеместным использованием технологий машинного обучения. Подобное заявление на прошедшей в Вашингтоне конференции American Association for the Advancement of Science сделала статистик из Университета Райса Дженевера Аллен.

Специалист рассказала о серьезной проблеме, связанной с так называемым кризисом воспроизводимости. Используя приближенные к ИИ алгоритмы и плохо осознавая принципы их работы, современные исследователи нередко уделяют слишком много внимания «шуму», который при повторном опыте воспроизвести нельзя. «У исследователей уже имеется понимание кризиса воспроизводимости, — пояснила Аллен. — Я полагаю, что ключевая причина проблемы — использование алгоритмов машинного обучения».

Нередко бывает так, что результаты научных работ, осуществленных посредством машинного обучения, выглядят достаточно правдоподобно. Но как только появляется исследование, проведенное с обширным набором данных, старое начинает казаться неточным.  «Ключевая проблема машинного обучения в том, что оно выявляет закономерности даже там, где их нет в принципе, — говорит статистик. — Единственный выход из складывающейся ситуации — создание новых алгоритмов, способных генерировать действительно надежные и воспроизводимые предсказания».

Islam-today

Социальные комментарии Cackle