Bu məqalə Science X-nin redaktorluq prosesi və siyasətlərinə uyğun olaraq nəzərdən keçirilib. Tərcüməçilər məzmunun etibarlılığını təmin edərkən aşağıdakı xüsusiyyətləri vurğulayıblar:
Vyana Universitetinin bir tədqiqat qrupu, farmasötik kimyaçı Johannes Kirchmair rəhbərlik etdiyi kimi, elmi məlumat dəstlərində gizli anomaliyaları müəyyənləşdirmək üçün statistik bir metod hazırlayıb. Metod avtomatik olaraq böyük məlumat dəstlərinə tətbiq edilə bilər, bu da tədqiqatçıların daha yaxından araşdırılması lazım olanları müəyyənləşdirmələrini asanlaşdırır. Bu yanaşma məlumatlara əsaslanan tədqiqatların keyfiyyətini artırır və etibarlı süni intellekt tətbiqlərinin inkişafına dəstək verir.
Müasir elmi metodlar böyük miqdarda məlumatlara daha çox güvənir. Məsələn, dərman kəşfində milyonlarla təcrübə ölçüsü tez-tez verilənlər bazasından toplanır və yeni dərmanların kəşf və inkişafına kömək etmək üçün süni intellekt modellərinə daxil edilir. Məlumat keyfiyyəti vacibdir: məlumatların toplanması, emalı və ya inteqrasiya edilməsindəki səhvlər sonrakı analizləri, nəticələri və tədqiqatları yavaşlat və ya hətta pozur. Lakin böyük məlumat dəstlərinin sistematik olaraq yoxlanması tədqiqatçılar üçün əhəmiyyətli çətinliklər yaradır.
Uday Abu-Shehab, Matthias Welsch və Kirchmair, Vyana Universitetinin Farmaceutika Elmləri Bölməsindəki Bioloji Biologiya üzrə Molekül İnformatikası üçün Christian Doppler Laboratoriyasından anomal məlumat dəstlərini avtomatik olaraq müəyyənləşdirmək üçün bir üsul hazırladılar. Onun mərkəzində Benford qanunu yer alır ki, bu da təbii olaraq baş verən bir çox məlumat dəstində bəzi rəqəmlərin digərlərindən daha tez-tez ilk rəqəm kimi görünməsini təsvir edir. Bu modeldən əhəmiyyətli bir sapma qeyri-qanuniyyətlərə və ya potensial keyfiyyət problemlərinə işarə edə bilər.
Tədqiqatlar "Patterns" jurnalında dərc olunub.
Kirchmair izah edir: "Mətnimiz məlumatların səhv və ya saxta olduğunu birbaşa sübut etmir. "Bunun əvəzinə, daha yaxından araşdırılmalı olan böyük toplamalardan məlumat dəstlərini filtrə etməyə kömək edir. Bu tədqiqatçıların diqqətini problemli məlumat dəstlərinə yönəltməyə imkan verir".
Xülasə — davamını mənbədə oxuyun.
