Машинное обучение ставит под вопрос традиционные методы научных исследований – мнение статистика

Новости МирТесен

Машинное обучение широко применяется исследователями для анализа данных, но это, по всей видимости, привело к возникновению определенных сложностей.

На недавней научной конференции American Association for the Advancement of Science, прошедшей в Вашингтоне, статистик из Университета Райса Дженевера Аллен высказала серьезное предупреждение, что ученые используют алгоритмы машинного обучения для поиска паттернов в данных даже тогда, когда алгоритмы сосредотачиваются на шуме, который невозможно воспроизвести в повторном эксперименте.

«По словам Аллен, современная наука столкнулась с кризисом воспроизводимости. Она даже предполагает, что значительная его доля обусловлена использованием методов машинного обучения в научных исследованиях».

По заявлению Аллен, затруднения могут появиться в ситуации, когда исследователи накапливают значительный массив геномной информации, а впоследствии используют методы машинного обучения для определения групп геномных профилей с похожими характеристиками, воспользуются алгоритмами машинного обучения, которые они плохо понимают.

«Часто эти исследования кажутся корректными, пока не станет доступен следующий масштабный набор данных, к которому кто-то снова применит«Эти методы не сопровождаются признанием несоответствия результатов различных исследований», – отмечает Аллен.

По ее словам, основная сложность машинного обучения заключается в его способности выявлять взаимосвязи, которых на самом деле не существует. Она считает, что решением станутРазрабатываются новые алгоритмы, призванные более эффективно оценивать надежность прогнозов, генерируемых ими.

«Действительно ли мы можем доверить применение методов машинного обучения к большим объемам данных, основываясь на современных открытиях? — спрашивает Аллен. — В большинстве случаев ответ, вероятно, будет отрицательным, и потребуются дополнительные проверки, — однако уже разрабатываются новые системы машинного обучения, способные оценивать точность и надежность своих прогнозов».