Will Douglas Heaven
Pocos estudios de inteligencia artificial comparten la información necesaria para que la comunidad intente replicar sus resultados. Y, cuando lo hacen, los investigadores académicos no disponen de los recursos necesarios para reproducir las investigaciones. La crisis de replicación del sector está lastrando sus avances y abre la puerta a graves consecuencias para los usuarios de los algoritmos.
El mes pasado, Nature publicó una dura crítica firmada por 31 científicos sobre un estudio de Google Health publicado en la revista a principios de este año. En el artículo, Google describía sus exitosos ensayos con una inteligencia artificial (IA) que buscaba signos de cáncer de mama en imágenes médicas. Pero, según los críticos, el equipo de Google proporcionó tan poca información sobre su código y sobre cómo se había probado que el estudio no era nada más que una acción promocional de la tecnología.
El autor principal de la respuesta, Benjamin Haibe-Kains, especializado en genómica computacional en la Universidad de Toronto (Canadá), advierte: «No pudimos soportarlo más. No se trata de este estudio en concreto, es una tendencia que llevamos presenciando durante varios años y ya ha empezado a molestarnos«.
Haibe-Kains y sus colegas figuran entre el creciente número de científicos que se oponen a la falta de transparencia percibida en la investigación de la IA. El investigador añade: «Cuando vimos ese artículo de Google, nos dimos cuenta de que era otro ejemplo más de una revista de muy alto nivel que publicaba un estudio muy interesante que no tenía nada que ver con la ciencia. Es más bien un anuncio sobre una tecnología de moda. No se puede hacer nada con eso».
La ciencia se desarrolla sobre una base de confianza, que normalmente implica compartir suficientes detalles sobre cómo se lleva a cabo una investigación para permitir que otros la reproduzcan y comprueben los resultados por su cuenta. Así es como la ciencia se autocorrige y elimina los resultados que no se sostienen. La replicación también permite que otros trabajen a partir de esos resultados, lo que ayuda a avanzar en el campo. El trabajo científico que no se puede replicar se queda por el camino.
Seguir leyendo: MIT
