机器学习正遭遇“可重复性危机”，或已成“炼金术”？(2)

关于“可重复性危机”的争论可能是学术界中最接近机器学习和统计学学科间的斗争的一次争论。
一位人工智能研究员甚至在一篇科学文章中声称，机器学习已经成为一种“炼金术”。（相关阅读链接：https://www.sciencemag.org/news/2018/05/ai-researchers-allege-machine-learning-alchemy?）

他关于这个话题的一些论文和博客文章，都非常值得一读，比如：“大型尺度核机器的随机特征”，文章链接为：https://people.eecs.berkeley.edu/~brecht/papers/07.rah.rec.nips.pdf

ML成为了科学研究一项很好的补充，使其在研究中的应用变得不可避免。ML可以被视为一个工程任务——就像一条集建模、调参、数据预处理和与元素优化于一体的流水线。ML 的目的就是寻找最优解或最优预测，而这属于科学研究的一项子集。
机器学习的类型和算法本身就是科学研究的议题。与过去的统计方法一样，现在研究者们正在撰写大量各类 ML 算法和 ML 算法子类相关的科研论文。
2019年 2 月，Genevera Allen 在美国科学进步协会（AAAS）上发出了一个严重警告：科学家们正在学习基于机器学习算法来发现数据中的模式，即使这些算法只是专注于在另一个实验中无法重复的噪音。