Искусственный Интеллект помогает врачам, подмечая признаки заболеваний, помогает экономистам в просчитывании изменения биржи, помогает учёным в изучении мира.
Но, как подмечают учёные из Принстонского университета, человечество стоит на пороге нового кризиса, из-за которого уже появились тысячи ошибочных статей в десятках областей науки.
Группа учёных из 19ти исследователей разных направлений, вместе с учёными-компьютерщиками, опубликовали свои рекомендации по использованию ИИ в науке, чтобы избежать "выстрелов в ногу", когда человечество целиком перейдёт от традиционной статистики к методам машинного обучения.
Поскольку сейчас, отмечают учёные, ещё можно предотвратить снежный ком кризисов в разных областях науки. Главная проблема современности в их понимании - это отсутствие стандартов у машинного обучения в разных дисциплинах. А одна из самых важных вещей в научном подходе - возможность повторить эксперименты, их воспроизводимость. Оттуда и идёт название текущего кризиса, по мнению Арвинда Нараянана.
Похожий кризис с невозможностью повторить опыты, уже был в психологии десять лет назад. И не столько был, сколько всё ещё продолжается - в виде кризиса репликации.
Приятные новости заключаются в том, что пока что, вроде как, достаточно лишь создать новые стандарты и придерживаться их. Как минимум в областях здравоохранения, математики, информатики и социальных наук. В исследовании также упоминаются как отдельные решения по отдельным дисциплинам, так и общие методы для любого научного направления.
Но самым основным пунктом считается прозрачность. Создатели списка просят указывать подробное описание каждой из моделей машинного обучения, в том числе и код, данные, что использовались для её обучения и тестирования, а также характеристики оборудования, на котором были получены результаты. Дополнительно ещё указать цели проекта, схему прохождения эксперимента и любые ограничения компьютерной модели.
Группа учёных посчитала эти условия достаточно гибкими и достаточно надёжными, чтобы избежать грядущего компьютерного кризиса и учитывать частные наборы данных по общим выводам. Даже если это по итогу замедлит развитие и выход новых исследований, упор будет на качество, а не количество. Тем более, основываясь на качественных работах, скорее всего, научный прогресс лишь ускорится - считают исследователи.
#Cirno #Science #IT@cirno_nb
Мы в VK: https://vk.com/cirno_nb