Uczenie maszynowe jest już obecne praktycznie w każdej dziedzinie nauki. Jednakże statystycy twierdzą, że ta technika jest niezbyt wiarygodna.
Dr Genevera Allen mówi, że naukowcy zajmujący się uczeniem maszynowym poświęcają mnóstwo czasu na opracowanie modeli predykcyjnych, ale nie skupiają się na ich dokładności. Problem polega na tym, że stworzone w ten sposób algorytmy nie mogą powiedzieć nie wiem albo nie jest to jasne. W związku tym różne modele mogą nie być aż tak dobre, jak jest to przedstawiane prze zich autorów.
Czytaj też: Ten algorytm dobrze radzi sobie z tworzeniem fake news
Statystycy mówią o konieczności stworzenia systemów, które będą w stanie obiektywnie określić dokładność różnych modeli. Bez tego będzie powstawało coraz więcej algorytmów, które nie do końca będą spełniały swoją funkcję.
Czytaj też: Astronomowie zaobserwowali rzekę liczącą nawet 4000 gwiazd
Źródło: Digitaljournal
