دانشمندان قادر به تکرار مطالعات حوزه هوش مصنوعی نیستند

به دلیل عدم انتشار کد و داده های مورد استفاده در تجزیه و تحلیل هوش مصنوعی توسط محققان ، امکان تکرار این آزمایشات وجود ندارد.

اکثر محققان کد منبع برنامه های هوش مصنوعی خود را که استفاده کرده اند یا داده هایی که بخش آموزش با آنها انجام شده است گزارش نمی کنند. این بدان معناست که دانشمندان دیگر نمی توانند نتایج خود را تکرار کنند ، و این ممکن است اجرای گسترده این روش را دشوارتر کند.

روش عملی

روش علمی می گوید برای اینکه یک مطالعه از نظر علمی قطعی تلقی شود ، سایر محققان باید بتوانند نتایج را در شرایط مشابه بازیابی کنند. اما هنوز برای سایر محققان امکان تکرار وجود ندارد زیرا اکثر محققان کد منبع شاخه هوش مصنوعی را که برای تولید الگوریتم های خود استفاده می کردند ، منتشر نمی کنند.

به گزارش مجله علم ، عاد اریک گاندرسون ، دانشمند رایانه در نشست انجمن پیشرفت هوش مصنوعی (AAAI) گفت که او تنها 6 درصد از 400 الگوریتم ارائه شده در دو کنفرانس هوش مصنوعی را که در گذشته برگزار شده بود ، استفاده کرده است. چند سال. دسترسی ندارند. فقط یکی از سه مطالعه داده های مورد استفاده برای آزمایش برنامه را به اشتراک گذاشت و تنها نیمی از آنها خلاصه ای از الگوریتم مورد استفاده را با جزئیات محدود گزارش کردند.

گوندرسون می گوید که با رشد علم ، تغییرات نیز انجام می شود.

موضوع تکرار برای اثبات این نکته ضروری است که اطلاعات به دست آمده از آزمایش می تواند در دنیای واقعی نیز مورد استفاده قرار گیرد و این نتایج به طور تصادفی بدست نیامده است. یک مطالعه هوش مصنوعی که فقط توسط سازندگان آن آزمایش شده است ، ممکن است در صورت اجرا بر روی رایانه دیگر یا داده های اولیه متفاوت ، نتایج یکسانی نداشته باشد. اگر هدف این است که هوش مصنوعی کار خاصی انجام دهد ، اصلا جالب نیست. این که آیا هوش مصنوعی می خواهد چیزی را در تلفن جستجو کند یا در مورد کار یک راکتور هسته ای. شما می خواهید مطمئن شوید که برنامه ای که در حال اجرا هستید کار خود را به خوبی انجام می دهد.

این مشکل به ویژه در مورد الگوریتم های یادگیری ماشین حاد می شود. جایی که از دانش به دست آمده از تجربه استفاده می شود. استفاده از داده های مختلف برای اداره آموزش و پرورش می تواند واکنش فرایند را کاملاً تغییر دهد و به گفته نان رزماری کی ، دانشجوی دکتری دانشگاه مونترال ، نتایج هر دور تصادفی است و شانس خوبی دارد ، و این جایی که معمولاً نتایج به پایان می رسد گزارش می شود.

دلایل زیادی برای به اشتراک گذاشتن کد یا داده وجود ندارد. به عنوان مثال ، این اطلاعات ممکن است مربوط به شرکتی باشد که نمی خواهد اطلاعات آن منتشر شود ، یا اطلاعات مربوط به داده های دیگری باشد که منتشر نشده است. همچنین ممکن است بحث رقابت علمی در عدم به اشتراک گذاری کدها توسط محققان وجود داشته باشد. در برخی موارد ، ممکن است کد به طور کامل از بین برود. به عنوان مثال ، ادعا می شود که لپ تاپ یا دیسک گم شده است یا به اصطلاح سگ آنها را خورده است!

این خبر خوبی برای آینده صنعت هوش مصنوعی نیست. هوش مصنوعی رونق چشمگیری داشته است و احتمالاً در سالهای آینده نیز به همین روند ادامه خواهد داد. با این حال ، مسئله اعتماد به نتایج آنها و تکرارپذیری چنین آزمایش هایی باید در نظر گرفته شود.