A modern tudomány gyorsan közeledik egy olyan válsághoz, amelyet a gépi tanulási technológiák széles körű használata váltott ki. Ezt a nyilatkozatot a Washingtonban, a Tudományos Fejlesztés Amerikai Szövetségében tették közzé, D. C. Genevera Allen, a Rice Egyetem statisztikusa mellett.
Allen beszélt az úgynevezett reprodukálhatósági válsággal kapcsolatos súlyos problémáról. Az AI-hez közel álló algoritmusokat alkalmazva és munkájuk alapelveinek rossz megértése mellett a modern tudósok gyakran túl sok figyelmet fordítanak a „zajra”, amelyet nem lehet megismételni ismételt kísérletekkel.
„A kutatók már megértik a reprodukálhatósági válságot. Úgy gondolom, hogy a probléma kiváltó oka a gépi tanulási algoritmusok használata”- mondta Allen.
Gyakran előfordul, hogy a gépi tanulással végzett kutatások eredményei meglehetősen hihetőnek tűnnek - mondta Allen, azonban amint a nagy adatsorral végzett kutatások megjelennek, az öreg azonnal pontatlannak tűnik.
„A gépi tanulás legfőbb problémája az, hogy mintákat talál, még akkor is, ha egyáltalán nincsenek. Az egyetlen kiút ebből a helyzetből új algoritmusok kifejlesztése, amelyek képesek valóban megbízható és reprodukálható előrejelzések létrehozására”- mondja a statisztikus.
Kolesnikov Andrey