Investigadores del MIT revelan fallos en modelos de aprendizaje automático por correlaciones erróneas
Investigadores del MIT advierten sobre las fallas de los modelos de aprendizaje automático al aplicarse a nuevos conjuntos de datos. Detectaron que, a pesar de un rendimiento promedio alto, algunos modelos pueden ser ineficaces en contextos diferentes, lo que oculta correlaciones engañosas. La nueva herramienta OODSelect ayuda a identificar estas anomalías, sugiriendo que el análisis detallado es esencial para mejorar la precisión y evitar decisiones sesgadas en entornos cambiantes.
