Moderna znanost brzo se približava krizi izazvanoj širokom uporabom tehnologija strojnog učenja. Ta je izjava dana na konferenciji Američkog udruženja za unapređivanje znanosti u Washingtonu, D. C. Genevera Allen, statističara sa Sveučilišta Rice.
Allen je govorio o ozbiljnom problemu koji je povezan s takozvanom krizom obnovljivosti. Primjenjujući algoritme bliske AI i slabo razumijevajući principe svog rada, moderni znanstvenici često previše pažnje posvećuju "buci", koja se ne može ponoviti ponovljenim eksperimentima.
„Istraživači već razumiju krizu obnovljivosti. Vjerujem da je osnovni uzrok problema uporaba algoritama strojnog učenja , rekao je Allen.
Često se događa da rezultati istraživanja provedenih pomoću strojnog učenja izgledaju prilično uvjerljivo, rekao je Allen, međutim, čim se pojave istraživanja provedena s velikim nizom podataka, staro odmah počinje izgledati netočno.
„Ključni problem strojnog učenja je taj što pronalazi obrasce čak i tamo gdje ih nema. Jedini izlaz iz ove situacije je razviti nove algoritme sposobne stvarati uistinu pouzdana i ponovljiva predviđanja , kaže statističar.
Kolesnikov Andrey