机器学习有毒！被指让科学家更自欺欺人，给科学界带来危机

乾明 编译自 BBC 
量子位 报道 | 公众号 QbitAI

机器学习技术，正在占领科学界，成为核心研究方法。

但在这股浪潮背后，有成千上万的科学家，正在用它来产生误导性的结果。

这一结论，来自休斯顿莱斯大学的副教授Genevera Allen。

她说，科学家们大量使用机器学习系统，导致了一场“科学危机”。科学家们如果不改进技术，将会浪费大量的时间和金钱。

科学研究危机

最直接的问题，在于机器学习软件识别的模式，只存在于数据集中，而不是面向真实的世界。

如果没有人使用不同的数据集去复现模型，很难发现使用机器学习技术得出的结论是错误的。

随着机器学习在科学研究中应用愈加广泛，相关的研究越来越难以复现。一项分析表明，世界上85%的生物医学研究都是白费力气。

其次，机器学习系统和大数据集的使用加速了科学危机。这场危机已经持续了20年，根本原因在于，研究的实验设计不够好，无法确保科学家们不会自欺欺人。

最后，回到机器学习本身上，机器学习是专门为在数据集中发现有趣的东西而开发的。不管数据怎样，只要应用到数据中，就会发现相应的模式，具体模式怎样，也无法保证。

为了解决这个问题，她正在和研究团队开发下一代机器学习和统计技术，这种技术不仅可以分析大量数据，找出结果，还可以给出结果的不确定性以及复现的可能性。

锅该由机器学习背吗？

Allen在美国科学促进会（AAAS）年会上发表了自己的观点，BBC报道之后，在AI圈引发了广泛的讨论。

Facebook的机器学习科学家Edward Grefenstette评论称，这篇文章的确反映了机器学习存在的问题。因为对机器学习的炒作和大肆宣传，使用机器学习做研究的科学家，都只是关注研究中使用了机器学习技术，反而不太关注科学研究应有的标准了。

也有人指出，机器学习与科学研究相反，是基于数据发现模型，而不是基于模型，寻找数据去否定或验证模型，很容易理解它为什么会导致不可复现的模型出现。

这些观点虽然有不少人赞同，但隔空之间，也有不少反对之声。不少人认为，这个锅不应该由机器学习来背。

前谷歌大脑员工研究员Denny Britz说，这不是机器学习的问题，而是使用机器学习的人的问题。

另外一种说法是，科学研究难复现，这是一个长期以来一直存在的问题，机器学习不应该背锅。

对于这件事，你怎么看？欢迎在留言区与我们互动。

原文链接：
https://www.bbc.com/news/amp/science-environment-47267081

作者系网易新闻·网易号“各有态度”签约作者

— 完 —

加入社群

量子位现开放「AI+行业」社群，面向AI行业相关从业者，技术、产品等人员，根据所在行业可选择相应行业社群，在量子位公众号（QbitAI）对话界面回复关键词“行业群”，获取入群方式。行业群会有审核，敬请谅解。

此外，量子位AI社群正在招募，欢迎对AI感兴趣的同学，在量子位公众号（QbitAI）对话界面回复关键字“交流群”，获取入群方式。

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

喜欢就点「好看」吧 !