Mūsdienu zinātne strauji tuvojas krīzei, ko provocē plaši izmantotas mašīnmācīšanās tehnoloģijas. Šis paziņojums tika izteikts Amerikas Zinātnes attīstības asociācijas konferencē Vašingtonā, D. C. Genevera Allena, Rīces universitātes statistiķe.
Allens runāja par nopietno problēmu, kas saistīta ar tā saucamo reproducējamības krīzi. Pielietojot AI tuvu stāvošus algoritmus un slikti izprotot sava darba principus, mūsdienu zinātnieki bieži vien pārāk lielu uzmanību pievērš “troksnim”, ko nevar atkārtot ar atkārtotiem eksperimentiem.
“Pētniekiem jau ir izpratne par reproducējamības krīzi. Es uzskatu, ka problēmas galvenais cēlonis ir mašīnmācīšanās algoritmu izmantošana,”sacīja Allens.
Bieži gadās, ka pētījumu rezultāti, kas veikti, izmantojot mašīnmācību, izskatās diezgan ticami, Allens sacīja, tomēr, tiklīdz parādās pētījumi, kas veikti ar lielu datu kopu, vecais uzreiz sāk izskatīties kļūdains.
“Mašīnmācības galvenā problēma ir tā, ka tā atrod modeļus pat tur, kur tādu vispār nav. Vienīgā izeja no šīs situācijas ir jaunu algoritmu izstrāde, kas spēj radīt patiesi ticamas un reproducējamas prognozes,”saka statistiķis.
Koļesņikovs Andrejs