AIGC動態歡迎閱讀

原標題：用準確的成功衡量標準取代對人工智能的炒作
關鍵字：報告,機器,政策,方法,數值
文章來源：人工智能學家
內容字數：0字

內容摘要：

一篇新文章指出，期刊文章對機器學習模型如何解決某些類型的方程式的報道往往過于樂觀。研究人員提出了兩條報告結果的規則和系統性變化，以鼓勵報告的清晰度和準確性。
機器學習是人工智能的一種形式，人們對它的熱議讓人覺得，用這種技術解決所有科學問題只是時間問題。雖然人們經常提出令人印象深刻的說法，但這些說法并不總是經得起推敲。機器學習可能有助于解決某些問題，但對其他問題卻不夠。
在《自然機器智能》雜志的一篇新論文中，美國能源部普林斯頓等離子體物理實驗室 (PPPL) 和普林斯頓大學的研究人員對機器學習與傳統流體相關偏微分方程 (PDE) 求解方法進行了系統性比較研究。此類方程在許多科學領域都很重要，包括支持電網聚變能發展的等離子體研究。
研究人員發現，在解決流體相關偏微分方程的機器學習方法與傳統方法之間的比較中，機器學習方法往往更具優勢。他們還發現負面結果一直被低估。他們建議制定公平比較的規則，但認為還需要進行文化變革來解決看似系統性的問題。
“我們的研究表明，盡管機器學習具有巨大的潛力，但目前的文獻對機器學習如何解決這些特定類型的方程式描繪了過于樂觀的圖景，”PPPL 計算科學副主任兼研究首席

原文鏈接：用準確的成功衡量標準取代對人工智能的炒作

聯系作者

文章來源：人工智能學家
作者微信：
作者簡介：