L'intelligenza artificiale ùn seguita micca a logica di u prugressu scientificu

Avemu scrittu parechje volte in MT nantu à i circadori è i prufessiunali chì proclamanu sistemi di apprendimentu di machine cum'è "scatole nere" (1) ancu per quelli chì li custruiscenu. Questu rende difficiule di valutà i risultati è riutilizà algoritmi emergenti.

E rete neurali - a tecnica chì ci dà bots di cunversione intelligenti è generatori di testu ingeniosi chì ponu ancu creà puesia - resta un misteru incomprensibile per l'osservatori esterni.

Anu diventanu più grandi è più cumplessi, manipulendu inseme di dati enormi, è aduprendu arrays di calculu massivi. Questu rende a replicazione è l'analisi di i mudelli ottenuti costosi è à volte impussibili per altri circadori, salvu per i grandi centri cù budget enormi.

Assai scientisti sò bè ​​cuscenti di stu prublema. À mezu à elli hè Joel Pino (2), presidente di NeurIPS, a prima cunferenza di riproducibilità. L'esperti sottu a so dirigenza volenu creà una "lista di cuntrollu di riproducibilità".

L'idea, Pino hà dettu, hè di incuragisce i circadori à offre à l'altri una strada per pudè ricreà è aduprà u travagliu digià fattu. Pudete maraviglià di l'eloquenza di un novu generatore di testu o di a destrezza superumana di un robot di video game, ma ancu i migliori esperti ùn anu micca idea di cumu funziona queste meraviglie. Dunque, a ripruduzzione di mudelli AI hè impurtante micca solu per identificà novi scopi è direzzione per a ricerca, ma ancu cum'è una guida puramente pratica per l'usu.

Altri cercanu di risolve stu prublema. I ricercatori di Google offrenu "carte di mudellu" per descriverà in dettagliu cumu i sistemi sò stati pruvati, cumpresi risultati chì indicanu bug potenziali. I ricercatori di l'Istitutu Allen per l'Intelligenza Artificiale (AI2) anu publicatu un documentu chì hà da scopu di estenderà a lista di verificazione di riproducibilità Pinot à altri passi in u prucessu sperimentale. "Mostra u vostru travagliu", urgenu.

A volte l'infurmazioni basi mancanu perchè u prughjettu di ricerca hè propiu, in particulare da i laboratorii chì travaglianu per a cumpagnia. Più spessu, però, hè un signu di una incapacità di discrìviri i metudi di ricerca cambianti è sempre più cumplessi. E rete neurali sò un spaziu assai cumplessu. Per ottene u megliu risultati, a fine tuning di millaie di "manumini è buttoni" hè spessu necessariu, chì certi chjamanu "magia negra". L'scelta di u mudellu ottimali hè spessu assuciatu cù un gran numaru di esperimenti. A magia diventa assai caru.

Per esempiu, quandu Facebook hà pruvatu à riplicà u travagliu di AlphaGo, un sistema sviluppatu da DeepMind Alphabet, u compitu hè statu assai difficiule. Enormes esigenze di calculu, milioni di esperimenti nantu à millaie di dispusitivi annantu à parechji ghjorni, cumminati cù a mancanza di codice, facenu u sistema "assai difficiule, se micca impussibile, di ricreà, pruvà, migliurà è allargà", secondu l'impiegati di Facebook.

U prublema pare esse specializatu. In ogni casu, s'ellu pensemu più, u fenomenu di prublemi cù a riproducibilità di i risultati è e funzioni trà una squadra di ricerca è l'altru minà tutta a logica di u funziunamentu di a scienza è i prucessi di ricerca cunnisciuti da noi. In regula, i risultati di a ricerca precedente ponu esse utilizati com'è una basa per più ricerche chì stimulanu u sviluppu di a cunniscenza, a tecnulugia è u prugressu generale.