Кризис ИИ в научном подходе |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2024-05-08 16:47 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. Источник: vk.com Комментарии: |
|