26 февраля, 2019 
AdminGWP Сoврeмeннaя нaукa стрeмитeльнo приближaeтся к кризису, прoвoцируeмoму повсеместным применением технологий машинного обучения.
Такое заявление на состоявшейся в Вашингтоне конференции American Association for the Advancement of Science сделала Дженевера Аллен, статистик из Университета Райса, пишет planet-today.ru.
Аллен рассказала о серьезной проблеме, связанной с так называемым кризисом воспроизводимости. Применяя приближенные к ИИ алгоритмы и плохо понимая принципы их работы, современные ученые нередко уделяют слишком большое внимание "шуму", который нельзя воспроизвести при повторном опыте.
"У исследователей уже есть понимание кризиса воспроизводимости. Я считаю, что основная причина проблемы — использование алгоритмов машинного обучения", — сказала Аллен.
По словам Аллен, нередко бывает так, что результаты исследований, осуществленных при помощи машинного обучения, выглядят довольно правдоподобно, однако, как только появляется исследование, проведенное с большим набором данных, то старое сразу же начинает выглядеть неточным.
"Ключевая проблема машинного обучения состоит в том, что оно находит закономерности даже там, где их нет в принципе. Единственный выход из складывающейся ситуации — разработка новых алгоритмов, способных генерировать по-настоящему надежные и воспроизводимые предсказания", — говорит статистик.
Опубликовано в рубрике