我冒昧地说,(存在可复制性问题的研究中)很大部分都是来自应用了机器学习的科学项目。

—— Genevera Allen,莱斯大学副教授

大声

2019-02-22 10:00

不少人都认同,人工智能不应取代人类,而是帮助人类做其不擅长的事情。在庞大的数据中寻找规律,这就是其中一样算法拥有相对优势的工作。

来自休斯顿 Rice University 的 Genevera Allen 博士则警告,机器学习正在科学研究领域酿造一场危机。

▲ Genevera Allen,图片来自 BBC

越来越多学者选择采用机器学习软件来分析已有数据,领域从生物医学到天文学都有。有一个问题是,这些算法时常会从数据中找到「无用规律」—— 只存在于数据,不存在于现实生活的规律。

当有其他研究人员以同样方法分析另一组真实数据时,会发现结果和已有(用机器算法分析出来)结果毫无重合之处。一般来说,大家就是在这个时候发现原来的研究有问题。

Allen 博士说道。此外,她表示「可复制性危机」已经是学界公认的问题,「我冒昧地说,其中很大部分问题研究都是来自应用了机器学习的项目。」

《自然》杂志曾于 2016  年报道,在尝试重现他人实验结果的研究人员中,70% 都是以失败收场,50% 的人甚至无法重复自己的实验。

英国心理学会总统奖得奖者 Marcus Munafo 长期关注学界可重复性问题,他认为这是一个非常严重的问题。他在读书时就曾在重复一些论文中的简单实验时失败了:「因此,我对科研产生了信任危机,后来我发现,这是一种非常普遍的现象。」

▲ Marcus Munafo,图片来自英国心理学会

有观点认为,可重复性概率低的问题,一方面是因为前沿技术的可把控性较低,但人人都想找到新发现,假阳性被写入论文情况并不少见。此外,关于发现假阳性的论文也不受研究刊物编辑的欢迎,因此大家去深究的动力也不大。

学界普遍认为,不可复制的问题通常来自不成熟的研究实验模式,让研究人员只看到自己想要的内容,为寻找特定规律而设计的机器学习算法使得这种情况变得更严重。

挑战在于,我们是否可以相信这些研究发现?如果我们获得了另一组数据,用同样方法分析是否会得到同样结果?不幸的是,答案很可能是否定的。

登录,参与讨论前请先登录

评论在审核通过后将对所有人可见

正在加载中

如今消费者更愿意为保持身体健康状态而非疾病付费。

查看全文 —— 华为消费者业务智能穿戴与运动健康产品线总裁 张炜

MPV 车主身上主要有两个特质,一是顾家,二是身价不菲。

查看全文 —— 上汽技术中心副总设计师兼全球设计总监邵景峰

信息技术和数字技术的不断进步,正在让车变得更聪明,也让路变得更智能,车和路都逐渐具备感知和交互能力,「车路协同」成为现实。

查看全文 —— 腾讯副总裁钟翔平

5G 未来将如何演进?Rel-17 目前仅处于初始阶段。在 Rel-17 中,我们将引入低复杂度 NR-Light,支持 5G 应用于智能手表等小型终端、以及智慧城市的传感器和水表电表。

查看全文 —— 高通工程技术高级总监 骆涛博士

我无法肯定戒酒活动一定就能延续 10 年的时间。但职场更加强大的文化力量以及个人的健康和福祉需求将成为一个重要的推动力。

查看全文 —— 无酒精饮品品牌 Seedlip 创始人本・布兰森