La Edad Media de Okham, William, presentó una idea famosa: siempre elige la explicación más fácil. A menudo, conocido como la regla de Parsuni, la “maquinilla de afeitar de Okham” ha creado decisiones científicas durante siglos.
Pero recientemente, los modelos AI increíblemente complejos han comenzado a realizar mejor sus homólogos fáciles. Considere Alfalud para predecir la estructura de la proteína, o para producir GPT y sus rivales como los humanos.
Yo un papel nuevo PNAS Argumenta que los científicos cometen errores y pierden oportunidades, confiando en Parsomoni en el modelado.
La complejidad del primer autor y SFI Post Documentary PostPost Marina Debova dice que la cantidad máxima de dinero en Parsumoni es histórica.
“Los científicos necesitan una herramienta sobre cómo hacer el modelo del mundo. Parsamoni fue adoptado como una herramienta fácil de usar históricamente. Desde entonces, no se ha cuestionado. La teoría y los modelos científicos enseñan a Parsomoni como un principio importante.
Dobova recientemente abrió una simulación computacional que establece que los experimentos aleatorios han desarrollado mejores modelos que los experimentos científicos seleccionados basados en supuestos anteriores.
Ahora Debova, un científico académico, está investigando uno de los supuestos científicos más grandes: evitar modelos complejos.
“¿Qué podemos aprender sobre el mundo solo para confiar en nuestras pautas y posiblemente llevarnos en las direcciones equivocadas”, dice Debova. “Parsoni y complejidad son herramientas complementarias. Los científicos deben usar evidencia, decisiones y requisitos de contexto para averiguar si un modelo más contradictorio o complejo está de acuerdo con sus objetivos de investigación”.
Dobova y Co -Authors discuten los resultados que sugieren que el modelo de Parsumoni mal utilizado puede ser discriminado y causar malas predicciones. Por ejemplo, los modelos fáciles para escaneos mentales directos a menudo se leen de vez en cuando y avanzan, de hecho, con el tiempo, la actividad del cerebro está cambiando lentamente. Dejar características clave (como la edad de un paciente) de un modelo puede causar malas predicciones para revisar el nuevo medicamento, que no responderá mejor.
Por el contrario, los modelos complejos pueden ser más flexibles y precisos, como un nuevo enfoque para la investigación del cambio climático. A menudo en la ciencia, cada laboratorio desarrolla su modelo para predecir la tendencia de interés, y finalmente este campo se convierte en un modelo altamente proporcional que se ajusta mejor a los datos. Sin embargo, los científicos del clima han descubierto que cuando a veces agregan docenas de modelos contradictorios de diferentes laboratorios a un par, la predicción climática es mejor predecir el mundo real del mundo real.
“Incluso cuando estas muestras climáticas son contradictorias, los científicos han decidido emplearlas a todas porque saben que cada una está capturando algunos aspectos del mundo. La literatura muestra que usarlas ayuda a predecir mejor la realidad de nosotros que nos rodea”. “¿Puede este enfoque afectar completamente la nueva comprensión del clima, sin nosotros, los científicos solo están tratando de imponer nuestra prioridad para una explicación simple?”
Dobova espera que una nueva investigación comience en este artículo cuando los científicos deben elegir Parsumoni o complejidad.
