Araştırmacılar AI'ın 27 bilimsel disiplinde etkinliğini değerlendirdi

Bir grup bilim insanı, sinir ağlarının geleneksel bilimsel analiz yönteleri ile karşılaştırıldığı kapsamlı bir araştırma yayınladı. Yazarlar, 2000'den 2025'in başlarına kadar 27 bilimsel disiplin kapsayan 2507 doğrudan karşılaştırmayı analiz etti.

Çalışmanın sonuçları, AI'nin etkinliğinin karmışık bir tablosunu gösteriyor. Klasik istatistikle karşılaştırıldığında, sinir ağları genellikle daha yüksek sonuçlar gösteriyor, ancak önemli ölçüde daha büyük hesaplamalı maliyetler gerektiriyor. Aynı zamanda, %25'lik bir durumda, AI yalnızca daha pahalı değil, aynı zamanda geleneksel istatistiksel araçlardan daha az doğru ve bu oran son on yıldır sabit kaldı.

Bilimsel modelleme ve hesaplamalarla ilgili olarak durum daha dinamik değişiyor. Uzun bir süre sinir ağları, özel algoritmalar tarafından geride kaldı, ancak 2020'den itibaren durum değişmeye başladı. Şu anda AI, geleneksel bilimsel modelleme yöntemlerini %50'den fazla durumda aşarak, bu görevlerde daha düşük hesaplamalı kaynak gereksinimlerini gösteriyor.

Yazarlar, sinir ağlarının mevcut bilimsel yaklaşımların evrensel bir yerine geçmediğini vurguluyor. Bunun yerine, mereka "AI odaklı bilimsel sınır"nın yeni bir segmentini oluşturuyor, burada etkinlik, belirli bir disiplin ve çözülen sorun türüne bağlı olarak değişiyor. Çalışma, Creative Commons Attribution 4.0 lisansı altında yayınlandı.