Moderne vitenskap nærmer seg raskt en krise provosert av den utbredte bruken av teknologier for maskinlæring. Denne uttalelsen ble avgitt på American Association for the Advancement of Science-konferansen i Washington, D. C. Genevera Allen, statistiker ved Rice University.
Allen snakket om det alvorlige problemet knyttet til den såkalte reproduserbarhetskrisen. Bruk av algoritmer nær AI og dårlig forståelse av prinsippene for deres arbeid, moderne forskere legger ofte for mye oppmerksomhet til "støy", som ikke kan reproduseres med gjentatte eksperimenter.
”Forskere har allerede forståelse for reproduserbarhetskrisen. Jeg tror at årsaken til problemet er bruken av maskinlæringsalgoritmer,”sa Allen.
Allen sier at det ofte hender at resultatene av forskning utført ved bruk av maskinlæring ser ganske plausible ut, men så snart forskning som er utført med et stort sett med data vises, begynner den gamle straks å se unøyaktig ut.
”Det viktigste problemet med maskinlæring er at den finner mønstre selv der det ikke er noen i det hele tatt. Den eneste veien ut av denne situasjonen er å utvikle nye algoritmer som kan generere virkelig pålitelige og reproduserbare forutsigelser, sier statistikeren.
Kolesnikov Andrey
