Entèlijans atifisyèl pa swiv lojik pwogrè syantifik la

Nou te ekri anpil fwa nan MT sou chèchè ak pwofesyonèl ki pwoklame sistèm aprantisaj machin kòm "bwat nwa" (1) menm pou moun ki bati yo. Sa fè li difisil pou evalye rezilta yo ak reitilize algorithm émergentes yo.

Rezo neral - teknik ki ban nou entèlijan konvèti bots ak jeneratè tèks enjenyeu ki ka menm kreye pwezi - rete yon mistè enkonpreyansib pou obsèvatè deyò.

Yo ap vin pi gwo ak pi konplèks, manyen gwo datasets, epi yo sèvi ak etalaj kalkile masiv. Sa fè replikasyon ak analiz modèl yo jwenn koute chè e pafwa enposib pou lòt chèchè yo, eksepte pou gwo sant ki gen gwo bidjè.

Anpil syantis yo byen okouran de pwoblèm sa a. Pami yo se Joel Pino (2), prezidan NeurIPS, premye konferans sou repwodiksyon. Ekspè ki anba lidèchip li vle kreye yon "list verifikasyon repwodiksyon".

Lide a, dapre Pino, se ankouraje chèchè yo ofri lòt moun yon plan wout pou yo ka rkree ak itilize travay ki deja fèt la. Ou ka sezi wè elokans yon nouvo jeneratè tèks oswa ladrès supermoun nan yon robo jwèt videyo, men menm pi bon ekspè yo pa gen okenn lide ki jan bèl bagay sa yo travay. Se poutèt sa, repwodiksyon modèl AI enpòtan pa sèlman pou idantifye nouvo objektif ak direksyon pou rechèch, men tou kòm yon gid piman pratik pou itilize.

Gen lòt ki ap eseye rezoud pwoblèm sa a. Chèchè Google yo te ofri "kat modèl" pou dekri an detay ki jan sistèm yo te teste, ki gen ladan rezilta ki montre ensèk potansyèl yo. Chèchè nan Enstiti Allen pou entèlijans atifisyèl (AI2) te pibliye yon papye ki gen pou objaktif pou pwolonje lis verifikasyon repwodibilite Pinot nan lòt etap nan pwosesis eksperimantal la. "Montre travay ou," yo ankouraje.

Pafwa enfòmasyon debaz yo manke paske pwojè rechèch la posede, espesyalman pa laboratwa k ap travay pou konpayi an. Pi souvan, sepandan, li se yon siy enkapasite pou dekri metòd rechèch k ap chanje ak de pli zan pli konplèks. Rezo neral yo se yon zòn trè konplèks. Pou jwenn pi bon rezilta, amann akor nan dè milye de "bouton ak bouton" souvan obligatwa, ki kèk rele "maji nwa". Se chwa nan modèl la pi bon souvan ki asosye ak yon gwo kantite eksperyans. Majik vin trè chè.

Pou egzanp, lè Facebook te eseye repwodui travay AlphaGo, yon sistèm devlope pa DeepMind Alphabet, travay la te pwouve trè difisil. Gwo egzijans enfòmatik, dè milyon de eksperyans sou dè milye de aparèy pandan plizyè jou, ansanm ak mank de kòd, te fè sistèm nan "trè difisil, si se pa enposib, rkree, teste, amelyore, ak pwolonje," dapre anplwaye Facebook.

Pwoblèm nan sanble ap espesyalize. Sepandan, si nou reflechi pi lwen, fenomèn pwoblèm ak repwodiksyon rezilta ak fonksyon ant yon ekip rechèch ak yon lòt mine tout lojik fonksyonman syans ak pwosesis rechèch nou konnen. Kòm yon règ, rezilta yo nan rechèch anvan yo ka itilize kòm yon baz pou plis rechèch ki ankouraje devlopman nan konesans, teknoloji ak pwogrè jeneral.