Moderná veda sa rýchlo blíži ku kríze vyvolanej rozsiahlym využívaním technológií strojového učenia. Toto vyhlásenie bolo urobené na konferencii Americkej asociácie pre rozvoj vedy vo Washingtone, D. C. Genevera Allen, štatistička na Rice University.
Allen hovoril o vážnom probléme spojenom s takzvanou krízou reprodukovateľnosti. Pri použití algoritmov blízkych umelej inteligencii a nesprávnemu pochopeniu zásad ich práce moderní vedci často venujú „šumu“príliš veľkú pozornosť, ktorú nemožno opakovať opakovanými pokusmi.
„Vedci už chápu krízu reprodukovateľnosti. Verím, že hlavnou príčinou problému je použitie algoritmov strojového učenia, “povedal Allen.
Často sa stáva, že výsledky výskumu vykonávaného pomocou strojového učenia vyzerajú celkom hodnoverne, Allen však povedal, že hneď ako sa objaví výskum s veľkým množstvom údajov, starý začne vyzerať nepresne.
„Kľúčovým problémom strojového učenia je to, že nájde vzorce aj tam, kde vôbec nie sú. Jediným spôsobom, ako sa dostať z tejto situácie, je vyvinúť nové algoritmy schopné generovať skutočne spoľahlivé a reprodukovateľné predpovede, “hovorí štatistik.
Kolesnikov Andrey