სულ 1 სტატია · გვერდი 1 / 1
MIT-ის მკვლევრებმა დაადგინეს, რომ მანქანური სწავლების მოდელები, თუნდაც დიდი მოცულობის მონაცემებზე გაწვრთნილი და თავდაპირველ გარემოში კარგად მოქმედი, შესაძლოა მნიშვნელოვნად ჩავარდნენ, როდესაც ისინი ახალ, განსხვავებულ მონაცემებზე გამოიყენება. ეს ხშირად ხდება „მცდარი კორელაციების“ გამო, რომლებსაც მოდელი სასწავლო მონაცემებიდან ითვისებს, რაც იწვევს არასანდო პროგნოზებსა და მიკერძოებულ გადაწყვეტილების მიღებას, განსაკუთრებით ისეთ კრიტიკულ სფეროებში, როგორიცაა სამედიცინო დიაგნოსტიკა. მიგნებები ხაზს უსვამ
