研究人员发现，黑盒算法比人类更好地预测了患者的死亡。
他们使用ECG结果，根据一年内将死的患者将历史患者数据分组。
尽管该算法性能更好，但科学家们不知道它是如何或为什么实现的中国机械网okmao.com。
阿尔伯特·爱因斯坦（Albert Einstein）的著名表达“远距离的鬼动作”是指量子纠缠，这是在最微小的尺度上都能看到的现象。但是机器学习似乎每天都在变得越来越神秘和强大，科学家并不总是了解它是如何工作的。据《新科学家》报道，迄今为止，最可怕的动作是一项针对心脏病患者的新研究，其中机器学习算法根据超声心动图（ECG）结果确定谁最有可能在一年内死亡。
该算法的性能优于心脏病专家使用的传统测量方法。这项研究是由宾夕法尼亚州Geisinger地区医疗保健小组的研究人员完成的，该小组是一家低成本且非营利的医疗机构。
许多机器学习都涉及将复杂的数据输入计算机，从而能够更好地对其进行仔细检查。类似于微积分，如果人类推理是黎曼和，那么随着黎曼计算接近无穷大，机器学习可能是不可或缺的。人类医生会尽其所能尽力而为，但是无论ECG算法在数据中找到什么，研究算法的人都无法对其进行反向工程。
最令人惊讶的轴可能是心脏病专家的人的数量相信基于正常心电图结果是健康的：“即使是在人亡的AI准确地预测风险视为心脏病学家有心电图正常，” 新科学家报告。
为了模仿个体心脏病专家的决策，Geisinger团队根据心脏病专家以公认的方式计算风险的因素，制定了并行算法。记录40万名真正的人类医生的个人印象而不是算法的结果是不切实际的，但是粒度级别可以表明心脏病专家比算法表明的更有能力预测不良结果。
这也可能表明它们的性能比算法差-我们只是不知道。面对面地交流，拥有更好的算法可以增加医生的技能，并为处于风险中的患者带来更好的结果。
机器学习专家使用称为曲线下面积（AUC）的度量来衡量他们的算法将人们分为不同组的程度。在这种情况下，研究人员对该算法进行了编程，以决定该年内哪些人可以生存，哪些人将死亡，并通过将其分配给正确的人群中的人数来衡量其成功与否。这就是为什么未来的行动如此复杂的原因：人们可能会在两个方向上错位，导致误报和误报，从而影响治疗。该算法确实显示出一种改进，与传统微积分的成功率（65％到80％）相比，得分为85％。
与其他研究一样，该研究的一个缺陷是科学家使用了过去一年的窗口结束的数据。数据集是封闭的，科学家可以直接将其结果与特定结果进行比较。在研究封闭数据和使用一种神秘的，未经研究的机制来改变我们今天治疗患者的方式之间，在医学上，这是一种道德上的差异。
医学研究面临着同样的道德障碍。如果基于机器学习进行干预会改变结果并挽救生命，该怎么办？与接受较少有效护理的对照组相比，对一组患者进行更好的治疗是否正确？这些障碍对将来的研究如何追求本研究的结果产生了很大的影响。如果更好的预测现象持续存在，可能需要数十年的时间才能对患者进行不同的治疗。