Exeter Universiteti tərəfindən

Sadie Harley tərəfindən redaktə edilib , Robert Egan tərəfindən nəzərdən keçirilib

 Redaktorların qeydləri

 GIST

Tercih edilən mənbə kimi əlavə edin

Kredit: Unsplash/CC0 İctimai Sahə

Tədqiqatçılar vəhşi təbiəti müəyyən etmək üçün süni intellektdən istifadə potensial “köçürülmə böhranını” ortaya qoyur, deyirlər. Süni intellekt görüntüləmə sistemlərinin marketinqi tez-tez modellərin ekosistemlər və mühitlərdə yeni ssenariləri insan müşahidəçiləri ilə eyni şəkildə asanlıqla həll edə biləcəyini göstərir. Lakin yeni bir məqalədə Exeter Universitetinin iki tədqiqatçısı bunun “qüsurlu bir fərziyyəyə” əsaslandığını iddia edirlər. Bunu göstərmək üçün növlərin müəyyən edilməsi və diaqnostik görüntüləmədən nümunələr istifadə edirlər.

PLOS Biology jurnalında dərc olunan məqalə “Biologiyada dərin öyrənmə transferlik böhranı ilə üzləşir” adlanır.

Süni intellekt modelləri təlim keçdikləri mühitlərdə etibarlı şəkildə işləsə də, tədqiqatçılar bunun nadir hallarda yeni yerlərə keçdiyini və ümumiləşdirməni proqnozlaşdırmağı çətinləşdirdiyini söyləyirlər.

Kornuolldakı Ekseterin Penrin Kampusundakı Ətraf Mühit və Davamlılıq İnstitutundan Dr. Tomas O’Şi-Ueller bildirib ki, “Əsas mesaj budur ki, ‘qızıl standart’ hesab edilməsinə baxmayaraq, performans meyarları (Sİ-ni qiymətləndirmək üçün istifadə olunan testlər) Sİ modellərinin əsl qabiliyyətini etibarlı şəkildə göstərmir”.

“Ən son modellərin qabiliyyətini çox geniş ssenarilərdə insanlarla müqayisə etmək iddiası ilə çoxlu iddialar görürük.”

“Lakin, bunlar həmişə real dünya tapşırıqlarına keçməyən məlumat dəstləri üzərində performans testlərindən əldə edilir.”

“Stok şəkillərindən istifadə edərək pişikləri müəyyən etmək üçün təlim keçmiş model, digər stok pişik şəkilləri ilə sınaqdan keçirildikdə yaxşı nəticə göstərəcək, lakin bu, vəhşi təbiətdə effektiv pişik aşkarlanmasına çevrilməyəcək.”

“Təhlükə ondadır ki, bu cür etalon ölçüləri — tez-tez ixtiyari təsvir kateqoriyalarından ibarət — model performansını və ümumiləşdirilə bilməsini şişirtmək üçün istifadə olunur.”

Ekologiya və Təbiəti Mühafizə Mərkəzindən Keti Murrey əlavə edib: ” Vəhşi təbiətin identifikasiyası məsələsində , yaxşı nəticə verməyən, lakin nəticələrində çox inamlı görünən bir şeylə qarşılaşa bilərsiniz.”

“Sadə dillə desək, süni intellekt əvvəllər görmədiyi şeylərlə mübarizə aparır, lakin bunu istifadəçiyə mütləq ifadə etməyəcək.”

Doktor O’Şi-Ueller qeyd edir ki, məsələ texnologiyanın özündə deyil, onun necə istifadə olunmasındadır.

“Süni intellekt inanılmaz dərəcədə güclü ola bilər, amma kontekst əsasdır – modellər real həyatda istifadə hallarında qiymətləndirilməlidir və əgər qiymətləndirilmirsə, bu, gələcəkdə ciddi problemlərə səbəb ola bilər.”

“Ekologiyada bu, növlərin müşahidəsi və qorunması üçün çətinliklər yaradır, tibb kimi kontekstlərdə isə nəticələr daha da problemli ola bilər.”

“Bəlkə də bunun ən təhlükəli tərəfi odur ki, model sıradan çıxdıqda , genişmiqyaslı zədələnməyənə qədər aşkarlanmır.”

Tədqiqatçılar performans ölçümlərini şərh edərkən ehtiyatlı olmağa və modellərin real tətbiqlərdə sürətlə sınaqdan keçirilməsinə imkan verən alətlərin daha çox tətbiq olunmasına çağırırlar.

Daha geniş miqyaslı etalon məsələsinə gəldikdə, onlar iddia edirlər ki, bunlar ümumiləşdirilmiş model performansını qiymətləndirmək üçün istifadə edilməməlidir.

“Hazırkı vəziyyətdə süni intellekt modelinin nə dərəcədə yaxşı işləyəcəyini qiymətləndirməyin yeganə etibarlı yolu onu konkret istifadə halınızda sınaqdan keçirməkdir”, – deyə Dr. O’Şi-Ueller əlavə edib.

Nəşr detalları

Biologiyada dərin öyrənmə köçürmə böhranı ilə üzləşir, PLOS Biology (2026). DOI: 10.1371/journal.pbio.3003656

Jurnal məlumatları: PLoS Biologiyası 

Əsas anlayışlar

ətyeyənlərOrqanizm, populyasiya, təkamül və ekoloji sistemlərSüni intellektTibbi görüntüləməTəsnifat

Ekseter Universiteti tərəfindən təmin edilir