Alors que l’IA colonise tous les champs de recherche, « la crise de reproductibilité dans la science basée sur l’apprentissage automatique n’en est qu’à ses débuts », alertent les chercheurs Arvind Narayanan et Sayash Kapoor dans Nature. « Les outils de l’apprentissage automatique facilitent la construction de modèles, mais ne facilitent pas nécessairement l’extraction de connaissances sur le monde, et pourraient même la rendre plus difficile. Par conséquent, nous courons le risque de produire davantage, tout en comprenant moins », expliquent les deux chercheurs, qui rappellent que ce qui est bénéfique à l’ingénierie ne l’est pas forcément pour la science.
Stream "Punchlines"
- ↪ Le Doge est mort, pas son esprit !
- ↪ Améliorer l’accès aux données des plateformes
- ↪ Tarifs sous IA : vers l’hyper-personnalisation à grande échelle
- ↪ Financer des médias sociaux publics
- ↪ Manipuler la synthèse de document
- ↪ IA et emploi : de quoi l’IA est-elle responsable ?
- ↪ Le piège des newsletters payantes se referme
- ↪ ChatFishing, hameçonnage par l’IA
- ↪ Mais où sont les faux négatifs de la reconnaissance faciale ?
- ↪ Sur la piste des algorithmes… l’opacité est toujours la règle