Modern vetenskap närmar sig snabbt en kris som provoceras av den utbredda användningen av teknik för maskininlärning. Detta uttalande gjordes vid American Association for the Advancement of Science-konferensen i Washington, D. C. Genevera Allen, en statistiker vid Rice University.
Allen talade om det allvarliga problemet i samband med den så kallade reproducerbarhetskrisen. Genom att använda algoritmer nära AI och dåligt förstå principerna för deras arbete uppmärksammar ofta moderna forskare för mycket uppmärksamhet på "buller", som inte kan reproduceras med upprepade experiment.
”Forskare har redan förståelse för reproducerbarhetskrisen. Jag tror att grundorsaken till problemet är användningen av maskininlärningsalgoritmer, säger Allen.
Det händer ofta att resultaten av forskning som utförs med maskininlärning ser ganska trolig ut, säger Allen, men så snart forskning som utförts med en stor uppsättning data dyker upp börjar den gamla omedelbart se ut felaktig.
”Det viktigaste problemet med maskininlärning är att det hittar mönster även om det inte finns några alls. Den enda vägen ut ur denna situation är att utveckla nya algoritmer som kan generera verkligt pålitliga och reproducerbara förutsägelser, säger statistikern.
Kolesnikov Andrey