Šiuolaikinis mokslas greitai artėja prie krizės, kurią išprovokavo plačiai naudojamos mašininio mokymosi technologijos. Šis pareiškimas buvo išsakytas Amerikos mokslo pažangos asociacijos konferencijoje Vašingtone, D. C. Genevera Alleno, Rice universiteto statistikos darbuotojos.
Allenas kalbėjo apie rimtą problemą, susijusią su vadinamąja atkuriamumo krize. Taikydami artimus AI algoritmus ir menkai išmanydami savo darbo principus, šiuolaikiniai mokslininkai dažnai per daug kreipia dėmesį į „triukšmą“, kurio negalima pakartoti pakartojant eksperimentus.
- „Salik.biz“
„Tyrėjai jau supranta atkuriamumo krizę. Manau, kad pagrindinė problemos priežastis yra mašininio mokymosi algoritmų naudojimas “, - sakė Allen.
Dažnai atsitinka, kad tyrimų, atliktų naudojant mašininį mokymąsi rezultatai atrodo gana įtikimi, teigė Allenas, tačiau, kai tik atsiranda tyrimų, atliktų su dideliu duomenų rinkiniu, senasis iškart pradeda atrodyti netikslus.
„Pagrindinė mašininio mokymosi problema yra ta, kad joje randami modeliai, net kai jų nėra. Vienintelė išeitis iš šios situacijos yra kurti naujus algoritmus, galinčius generuoti tikrai patikimas ir atkuriamas prognozes “, - sako statistikas.
Kolesnikovas Andrejus