La science moderne approche rapidement d'une crise provoquée par l'utilisation généralisée des technologies d'apprentissage automatique. Cette déclaration a été faite lors de la conférence de l'American Association for the Advancement of Science à Washington, D. C. Genevera Allen, statisticienne à l'Université Rice.
Allen a parlé du grave problème associé à la soi-disant crise de reproductibilité. Appliquant des algorithmes proches de l'IA et comprenant mal les principes de leur travail, les scientifiques modernes accordent souvent trop d'attention au «bruit», qui ne peut être reproduit avec des expériences répétées.
«Les chercheurs ont déjà une compréhension de la crise de reproductibilité. Je pense que la cause première du problème est l'utilisation d'algorithmes d'apprentissage automatique », a déclaré Allen.
Allen dit qu'il arrive souvent que les résultats des recherches effectuées à l'aide de l'apprentissage automatique semblent assez plausibles, cependant, dès qu'une recherche menée avec un grand ensemble de données apparaît, les anciennes commencent immédiatement à paraître inexactes.
«Le principal problème de l'apprentissage automatique est qu'il trouve des modèles même là où il n'y en a pas du tout. Le seul moyen de sortir de cette situation est de développer de nouveaux algorithmes capables de générer des prédictions vraiment fiables et reproductibles », précise le statisticien.
Kolesnikov Andrey
