Współczesna nauka szybko zbliża się do kryzysu wywołanego powszechnym wykorzystaniem technologii uczenia maszynowego. To oświadczenie zostało wydane na konferencji American Association for the Advancement of Science w Waszyngtonie Genevera Allen, statystyk z Rice University.
Allen mówił o poważnym problemie związanym z tzw. Kryzysem odtwarzalności. Stosując algorytmy bliskie sztucznej inteligencji i słabo rozumiejąc zasady ich pracy, współcześni naukowcy często zbyt wiele uwagi poświęcają „szumowi”, którego nie da się odtworzyć za pomocą powtarzanych eksperymentów.
„Naukowcy mają już wiedzę na temat kryzysu odtwarzalności. Uważam, że główną przyczyną problemu jest użycie algorytmów uczenia maszynowego”- powiedział Allen.
Allen mówi, że często zdarza się, że wyniki badań przeprowadzonych z wykorzystaniem uczenia maszynowego wyglądają dość wiarygodnie, jednak gdy tylko pojawią się badania przeprowadzone na dużym zestawie danych, to stare od razu zaczyna wyglądać niedokładnie.
„Kluczowym problemem związanym z uczeniem maszynowym jest to, że znajduje wzorce, nawet jeśli w ogóle ich nie ma. Jedynym wyjściem z tej sytuacji jest opracowanie nowych algorytmów zdolnych do generowania prawdziwie wiarygodnych i powtarzalnych prognoz”- mówi statystyk.
Kolesnikov Andrey