Die moderne Wissenschaft nähert sich rasch einer Krise, die durch den weit verbreiteten Einsatz von Technologien für maschinelles Lernen ausgelöst wird. Diese Erklärung wurde auf der Konferenz der American Association for the Advancement of Science in Washington abgegeben, D. C. Genevera Allen, Statistikerin an der Rice University.
Allen sprach über das ernste Problem der sogenannten Reproduzierbarkeitskrise. Moderne Wissenschaftler wenden Algorithmen an, die der KI nahe stehen und die Prinzipien ihrer Arbeit schlecht verstehen, und achten häufig zu sehr auf "Rauschen", das mit wiederholten Experimenten nicht reproduziert werden kann.
„Die Forscher haben bereits ein Verständnis für die Reproduzierbarkeitskrise. Ich glaube, die Hauptursache des Problems ist die Verwendung von Algorithmen für maschinelles Lernen “, sagte Allen.
Allen sagt, dass es häufig vorkommt, dass die Ergebnisse von Forschungen, die mit maschinellem Lernen durchgeführt wurden, durchaus plausibel erscheinen. Sobald jedoch Forschungen mit großen Datenmengen erscheinen, sieht die alte sofort ungenau aus.
„Das Hauptproblem beim maschinellen Lernen besteht darin, dass es Muster findet, auch wenn es überhaupt keine gibt. Der einzige Ausweg aus dieser Situation besteht darin, neue Algorithmen zu entwickeln, mit denen wirklich zuverlässige und reproduzierbare Vorhersagen erstellt werden können “, sagt der Statistiker.
Kolesnikov Andrey
