Moderne videnskab nærmer sig hurtigt en krise, der provoseres af den udbredte anvendelse af teknologier til maskinlæring. Denne erklæring blev afgivet på American Association for the Advancement of Science-konferencen i Washington, D. C. Genevera Allen, en statistiker ved Rice University.
Allen talte om det alvorlige problem i forbindelse med den såkaldte reproducerbarhedskrise. Anvendelse af algoritmer tæt på AI og dårlig forståelse af principperne for deres arbejde, og moderne forskere er ofte for meget opmærksomme på "støj", som ikke kan gengives med gentagne eksperimenter.
”Forskere har allerede en forståelse af reproducerbarhedskrisen. Jeg tror, at den grundlæggende årsag til problemet er brugen af maskinlæringsalgoritmer,”sagde Allen.
Det sker ofte, at resultaterne af forskning udført ved hjælp af maskinlæring ser ganske sandsynlige ud, sagde Allen, men så snart forskning, der er udført med et stort sæt data, vises, begynder den gamle straks at se unøjagtig ud.
”Det centrale problem med maskinlæring er, at den finder mønstre, selv hvor der slet ikke er nogen. Den eneste vej ud af denne situation er at udvikle nye algoritmer, der er i stand til at generere virkelig pålidelige og reproducerbare forudsigelser,”siger statistikeren.
Kolesnikov Andrey