Kaasaegne teadus on lähenemas kiiresti kriisile, mille on esile kutsunud masinõppe tehnoloogiate laialdane kasutamine. See avaldus tehti Ameerika Teaduste Edendamise Assotsiatsiooni konverentsil Washingtonis, Rice'i ülikooli statistiku D. C. Genevera Allen.
Allen rääkis tõsisest probleemist, mis on seotud nn reprodutseeritavuskriisiga. Rakendades AI-le lähedasi algoritme ja mõistmata oma töö põhimõtteid halvasti, pööravad tänapäevased teadlased sageli liiga suurt tähelepanu mürale, mida ei saa korduvate katsetega reprodutseerida.
„Teadlastel on reprodutseeritavuskriisist juba arusaam. Usun, et probleemi algpõhjus on masinõppe algoritmide kasutamine, “ütles Allen.
Sageli juhtub, et masinõppe abil tehtud uuringute tulemused näevad üsna usutavad, ütles Allen, aga niipea, kui ilmub suure hulga andmetega uurimistöö, hakkab vana kohe tunduma ebatäpne.
„Masinõppe põhiprobleem on see, et see leiab mustreid isegi seal, kus neid üldse pole. Ainus väljapääs sellest olukorrast on uute algoritmide väljatöötamine, mis on võimelised genereerima tõeliselt usaldusväärseid ja reprodutseeritavaid ennustusi,”ütleb statistik.
Kolesnikov Andrei
