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"
- ↪ La colère à venir de la Wired Belt
- ↪ 23-25 juin : Computing with limits
- ↪ 13 juin : l’IA sans nous
- ↪ Scam : comment réguler la fraude financière produite par les deepfakes ?
- ↪ Le score : comment arrêter de jouer au jeu des autres ?
- ↪ Les LLM dégradent profondément vos documents
- ↪ Kit d’opposition aux data centers
- ↪ Tokenmaxxing : l’IA par abonnement touche à sa fin
- ↪ La colère contre l’IA est-elle en train de dégénérer ?
- ↪ Comment devenir un problème algorithmique ?