Sodobna znanost se hitro približuje krizi, ki jo izzove široka uporaba tehnologij strojnega učenja. Izjava je podala na konferenci Ameriškega združenja za napredek znanosti v Washingtonu D. C. Genevera Allen, statističarka na univerzi Rice.
Allen je spregovoril o resni težavi, povezani s tako imenovano krizo obnovljivosti. Z uporabo algoritmov, ki so blizu AI in slabo razumejo načela svojega dela, sodobni znanstveniki pogosto posvečajo preveč pozornosti "hrupu", ki ga ni mogoče ponoviti s ponovljenimi poskusi.
»Raziskovalci že razumejo krizo obnovljivosti. Verjamem, da je osnovni vzrok težave uporaba algoritmov strojnega učenja, «je dejal Allen.
Pogosto se zgodi, da so rezultati raziskav, izvedenih s pomočjo strojnega učenja, videti precej verodostojni, vendar je Allen dejal, ko pa se pojavijo raziskave, opravljene z velikim naborom podatkov, začnejo stari takoj videti netočni.
„Ključna težava strojnega učenja je ta, da najde vzorce tudi tam, kjer jih sploh ni. Edini izhod iz te situacije je razviti nove algoritme, ki bodo lahko ustvarili resnično zanesljive in ponovljive napovedi, pravi statistik.
Kolesnikov Andrey