用准确的成功衡量标准取代对人工智能的炒作

AIGC动态欢迎阅读

原标题：用准确的成功衡量标准取代对人工智能的炒作
关键字：报告,机器,政策,方法,数值
文章来源：人工智能学家
内容字数：0字

内容摘要：

一篇新文章指出，期刊文章对机器学习模型如何解决某些类型的方程式的报道往往过于乐观。研究人员提出了两条报告结果的规则和系统性变化，以鼓励报告的清晰度和准确性。
机器学习是人工智能的一种形式，人们对它的热议让人觉得，用这种技术解决所有科学问题只是时间问题。虽然人们经常提出令人印象深刻的说法，但这些说法并不总是经得起推敲。机器学习可能有助于解决某些问题，但对其他问题却不够。
在《自然机器智能》杂志的一篇新论文中，美国能源部普林斯顿等离子体物理实验室 (PPPL) 和普林斯顿大学的研究人员对机器学习与传统流体相关偏微分方程 (PDE) 求解方法进行了系统性比较研究。此类方程在许多科学领域都很重要，包括支持电网聚变能发展的等离子体研究。
研究人员发现，在解决流体相关偏微分方程的机器学习方法与传统方法之间的比较中，机器学习方法往往更具优势。他们还发现负面结果一直被低估。他们建议制定公平比较的规则，但认为还需要进行文化变革来解决看似系统性的问题。
“我们的研究表明，尽管机器学习具有巨大的潜力，但目前的文献对机器学习如何解决这些特定类型的方程式描绘了过于乐观的图景，”PPPL 计算科学副主任兼研究首席

原文链接：用准确的成功衡量标准取代对人工智能的炒作