De moderne wetenschap nadert snel een crisis die wordt veroorzaakt door het wijdverbreide gebruik van machine learning-technologieën. Deze verklaring werd afgelegd op de American Association for the Advancement of Science-conferentie in Washington, D. C. Genevera Allen, een statisticus aan de Rice University.
Allen sprak over het ernstige probleem dat verband houdt met de zogenaamde reproduceerbaarheidscrisis. Door algoritmen toe te passen die dicht bij AI staan en de principes van hun werk slecht begrijpen, besteden moderne wetenschappers vaak te veel aandacht aan "ruis", die niet kan worden gereproduceerd met herhaalde experimenten.
“Onderzoekers hebben al begrip voor de reproduceerbaarheidscrisis. Ik denk dat de hoofdoorzaak van het probleem het gebruik van machine learning-algoritmen is”, aldus Allen.
Het komt vaak voor dat de resultaten van onderzoek dat is uitgevoerd met behulp van machine learning vrij aannemelijk lijken, zei Allen, maar zodra onderzoek met een grote set gegevens verschijnt, begint het oude er onmiddellijk onnauwkeurig uit te zien.
“Het belangrijkste probleem met machine learning is dat het patronen vindt, zelfs als die er helemaal niet zijn. De enige uitweg uit deze situatie is door nieuwe algoritmen te ontwikkelen die echt betrouwbare en reproduceerbare voorspellingen kunnen genereren”, zegt de statisticus.
Kolesnikov Andrey
