萊斯大學電腦科學副教授Genevera Allen看到許多針對同類資料進行機器學習分析的研究結果並不一致,甚至完全不同,這讓她無法相信大多數以機器學習技術分析出的答案,也擔心未意識到此一問題的科學家們,將因此而浪費許多力氣與資源。(圖片來源/Rice University)

美國貝勒醫學院(Baylor College of Medicine)與萊斯大學(Rice University)的科學家們,在美國科學促進會(AAAS)的年度會議上發表了一份研究報告,指出人工智慧(AI)太急於應用在生物醫藥研究上某些領域,所帶來的不準確結果,可能導致科學危機。

BBC引述萊斯大學電腦科學副教授Genevera Allen的看法,愈來愈多科學研究採用機器學習軟體來分析數據,從生物醫藥到天文領域不等,但相關軟體所找到的模式只存在於數據集中,而非實體世界,因此可能會導致不正確或錯誤的分析結果。

Allen說,這些研究成果,通常要等到另一個採用相關且更大的數據集的資料分析結果出爐後,當二者結果不一時,問題才會被發現。因為Allen看到許多針對同一類型的資料進行分析的結果並不一致,甚至完全不同,這使得她無法相信大多數以機器學習技術分析出的答案,也擔心未意識到此一問題的科學家們,將因此而浪費許多力氣與資源。


Advertisement

更多 iThome相關內容