Учёный: алгоритмы машинного обучения не заслуживают доверия и ведут к пустым тратам времени и денег

Оставить комментарий
Учёный: алгоритмы машинного обучения не заслуживают доверия и ведут к пустым тратам времени и денег

Использование машинного обучения в исследованиях ведёт к «научному кризису», и также к пустым тратам времени и денег считает статистик Университета Райса Дженевера Аллен. По словам учёного, результаты алгоритмов зачастую оказываются частично или полностью неверны, пишет Computing.

Технологии машинного обучения сегодня применяют тысячи учёных в различных сферах — от астрономии до биомедицины. Однако по мнению Аллен, воспроизводимость прогнозов и выводов таких алгоритмов должна вызывать сомнения — по крайней мере пока не изобретены более совершенные вычислительные системы, способные критически оценивать свои результаты.

МО используется для создания систем, автономно обучающихся на опыте без вмешательства человека. Алгоритм ищет паттерны в тренировочном наборе данных и улучшает качество решений. Проблема в том, считает Аллен, что система не может сказать, что ей непонятны какие-либо данные или что она не знает что-то.

Система всегда выдаёт ответ, но он может быть не настолько точен или идеален, каким его считают исследователи. Алгоритм будет пытаться найти закономерность в данных, даже если она присутствует лишь частично и может быть не действительна для реального мира.

Об ошибочности выводов таких исследований остаётся неизвестно до того момента, пока не появится другое аналогичное исследование, с противоречащими выводами — и в этом, утверждает Аллен, сегодня заключается проблема воспроизводимости результатов в науке.

Совместно с командой исследователей Медицинского Колледжа Бейлора Аллен ведёт разработку технологий машинного обучения и статистических методов нового поколения, которые сначала будут проводить оценку огромных датасетов, а также указывать воспроизводимость результатов или степень «уверенности» в них. По её мнению, такие технологии займут несколько больше времени, но позволят учёным значительно удешевить сбор данных и повысят надёжность исследований.

«Айцішнік у Швейцарыі можа зарабляць 9 тысяч франкаў і болей».

Гутарым з аўтаркай курса Java на беларускай.

Подписывайтесь на «Что к чему» —
анамнез и главные симптомы беларуского ИТ.
Цифры, графика, ничего лишнего. Выходит раз в 2 недели.
Спасибо! На указанный адрес отправлено письмо для подтверждения подписки.
Читайте также
TinyML, No-code и обучение с подкреплением: новейшие тренды в машинном обучении
TinyML, No-code и обучение с подкреплением: новейшие тренды в машинном обучении
TinyML, No-code и обучение с подкреплением: новейшие тренды в машинном обучении
Пока 20% топ-менеджеров утверждают, что машинное обучение является существенной частью их бизнеса, неудивительно, что стоимость мирового рынка машинного обучения, по некоторым оценкам, достигнет $117 млрд к концу 2027 года. Мы перевели материал Udacity о семи самых обсуждаемых тенденциях в машинном обучении в 2022 году.
Нейросеть «оживляет» классические пиксельные игры
Нейросеть «оживляет» классические пиксельные игры
Нейросеть «оживляет» классические пиксельные игры
Meta разработала ИИ для «чтения мыслей»
Meta разработала ИИ для «чтения мыслей»
Meta разработала ИИ для «чтения мыслей»
Во Франции искусственный интеллект помогает искать нелегальные бассейны и штрафовать нарушителей
Во Франции искусственный интеллект помогает искать нелегальные бассейны и штрафовать нарушителей
Во Франции искусственный интеллект помогает искать нелегальные бассейны и штрафовать нарушителей

Хотите сообщить важную новость? Пишите в Telegram-бот

Главные события и полезные ссылки в нашем Telegram-канале

Обсуждение
Комментируйте без ограничений

Релоцировались? Теперь вы можете комментировать без верификации аккаунта.

Комментариев пока нет.