科学界存在人工智能问题：这个团体声称他们可以解决 it

一群跨学科的19名研究人员，由普林斯顿大学计算机科学家阿尔温德·纳拉亚南和萨亚什·卡普尔领导，发表了关于在科学中负责任地使用机器学习的指南。这个团队表示他们的工作是为了消除机器学习在科学领域中的可信度危机。他们发表的一篇文章详细介绍了他们的指南，并强调透明度。指南呼吁研究人员提供每个机器学习模型的详细描述，包括代码、用于训练和测试模型的数据、生成结果所使用的硬件规格、实验设计、项目目标以及研究结果的任何限制。

作者表示，这些新标准的严谨性可能会减慢任何特定研究的发表速度，但他们认为这些标准的广泛采用将增加发现和创新的整体速度，潜在地大幅提高。他们还认为，研究人员可以采用这些标准来改进自己的工作；同行评审者可以使用检查表来评估论文；期刊也可以采纳这些标准作为发表的要求。

作者指出，科学文献，尤其是应用机器学习研究方面，充满了可避免的错误。他们希望能够帮助人们，保持诚实的人保持诚实。他们还表示，在努力达成共识关于指南中应该包括什么的过程中，他们的目标是取得平衡：足够简单以被广泛采用，又足够全面以捕捉尽可能多的常见错误。