`

СПЕЦИАЛЬНЫЕ
ПАРТНЕРЫ
ПРОЕКТА

Архив номеров

Что для вас является метрикой простоя серверной инфраструктуры?

Best CIO

Определение наиболее профессиональных ИТ-управленцев, лидеров и экспертов в своих отраслях

Человек года

Кто внес наибольший вклад в развитие украинского ИТ-рынка.

Продукт года

Награды «Продукт года» еженедельника «Компьютерное обозрение» за наиболее выдающиеся ИТ-товары

 

Леонид Бараш

Можно ли доверять научным открытиям, сделанным с помощью машинного обучения?

0 
 

Статистик из Университета Райса Женевера Аллен (Genevera Allen) говорит, что ученые должны продолжать сомневаться в точности и воспроизводимости научных открытий, сделанных с помощью методов машинного обучения, пока исследователи не разработают новые вычислительные системы, которые могут сами себя критиковать.

Аллен, доцент кафедры статистики, информатики, электротехники и вычислительной техники в Университете Райсе и педиатрии-неврологии в медицинском колледже Бейлора, рассказала об этом на пресс-брифинге и ежегодном общем заседании Американской ассоциации для развития науки (AAAS).

«Вопрос в том, можем ли мы действительно доверять открытиям, которые в настоящее время делаются с использованием методов машинного обучения, применяемых к большим наборам данных?, - спросила Аллен. - Ответ во многих ситуациях, вероятно, будет «не без проверки», но ведется работа над системами машинного обучения следующего поколения, которые будут оценивать неопределенность и воспроизводимость их прогнозов».

Машинное обучение (МО) - это раздел статистики и информатики, связанный с созданием вычислительных систем, которые учатся на основе данных, а не следуют четким инструкциям. Аллен сказала, что большое внимание в области МО было сосредоточено на разработке прогностических моделей, позволяющих МО делать прогнозы относительно будущих данных на основе своего понимания изученных данных.

«Многие из этих методов предназначены для того, чтобы всегда делать прогноз, - сказала она. - Они никогда не возвращаются с «я не знаю» или «я ничего не обнаружил», потому что они не созданы для этого».

Она сказала, что неподтвержденные данные, основанные на  недавно опубликованных исследованиях в области МО, посвященных раку, являются хорошим примером.

«В точной медицине важно найти группы пациентов с подобными профилями геномов, чтобы вы могли разработать лекарственную терапию, нацеленную на конкретный геном их заболевания, - сказала Аллен. - Люди применяли МО к геномным данным из клинических когорт, чтобы найти группы или кластеры пациентов с похожими геномными профилями. Но есть случаи, когда открытия не воспроизводимы; кластеры, обнаруженные в одном исследовании, совершенно отличаются от кластеров, обнаруженных в другом. Почему? Потому что большинство современных методов МО всегда говорят: «Я нашел группу». Иногда было бы гораздо полезнее, если бы они сказали: «Я думаю, что некоторые из них действительно сгруппированы вместе, но я не уверен насчет этих других». 

Можно ли доверять научным открытиям, сделанным с помощью машинного обучения?

Доцент Женевера Аллен


Вы можете подписаться на наш Telegram-канал для получения наиболее интересной информации

0 
 

Напечатать Отправить другу

Читайте также

 
 
Реклама

  •  Home  •  Рынок  •  ИТ-директор  •  CloudComputing  •  Hard  •  Soft  •  Сети  •  Безопасность  •  Наука  •  IoT