Результаты крупного исследования, проведенного в Принстоне, показали, что алгоритмы машинного обучения справляются с предсказаниями в области социологии так же плохо, как и другие более традиционные методы. Это значит, что использовать прогнозы ИИ для принятия решений, влияющих на жизни людей, например, в судебном производстве, слишком рискованно.
Законодатели нередко прибегают к социологическим исследованиям в попытке предсказать, как определенные меры повлияют на состояние общества — например, на уровень безработицы или преступности. В последнее время все чаще ученые полагаются на методы машинного обучения, основанные на анализе больших объемов данных. Такие алгоритмы уже прогнозируют вероятность совершения арестованным повторного преступления или риск домашнего насилия, которому подвергается ребенок. Считается, что машина даст более точный результат.
Однако исследование трех социологов из Принстонского университета заставляет усомниться в этом. Они попросили несколько сот специалистов спрогнозировать будущее для детей, родителей и домохозяйств, используя набор данных из почти 13 000 параметров в отношении 4 000 семей, не состоящих в официальном браке.
Ученые использовали данные 15-летнего социологического исследования, целью которого было понять, как развивается жизнь детей, рожденных у неженатых родителей. Семьи были отобраны случайным образом, данные собирались, когда детям был год, три года, пять, девять и 15 лет.
На основании части этих данных специалисты должны были предсказать несколько важных параметров, в частности, средний балл в школе, упорство в обучении и уровень благосостояния. В исследовании принимали участие специалисты по статистике, информатике и вычислительной социологии.
Как показали результаты эксперимента, никто из них не смог добиться осмысленного уровня точности в предсказаниях, вне зависимости от того, использовали ли они традиционные статистические методы или алгоритмы машинного обучения, пишет MIT Technology Review.
«Это исследование доказывает идею, что в конце концов инструменты машинного обучения никакого волшебства сотворить не могут», — сказала Элис Сян, глава некоммерческого объединения Partnership on AI.
Авторы исследования не утверждают, что машинное обучение никогда не сможет добиться высокой степени точности в социологии. Однако указывает на то, что законодателям следует осторожнее прибегать к этим методам, воздерживаясь от нереалистичных ожиданий.
Источник: hightech.plus
