A matematikusok egy csoportja azzal érvelt, hogy a megcáfolhatatlan matematika meghaladhatatlan akadályt jelent a gépi tanulási algoritmusok számára. Most meg tudták bizonyítani ezt a gyakorlatban.
A világon nem minden ismert. Legalább ez vonatkozik a mesterséges intelligencia és a gépi tanulási algoritmusokra. Első pillantásra egy ilyen állítás a fejlődés korában valódi eretnekségnek tűnhet - de sajnos ez a helyzet. A matematikusok és az AI kutatói egy nemzetközi csoport megállapította, hogy a gépi tanulás látszólag korlátlan lehetőségei ellenére még a legfejlettebb algoritmusokat matematikai korlátok is megkötik.
"A matematika előnyei néha arra épülnek, hogy … egyszerűen fogalmazva: nem minden bizonyítható" - írja a kutatók, Shai Ben-David, a Waterloo Egyetem számítógépes tudósának vezetésével. Azt állítják, hogy a gépi tanulás megosztja ezt a sorsot.
Hogyan jutottak erre a következtetésre? A matematikai korlátok gyakran kapcsolódnak a híres osztrák matematikushoz, Kurt Gödelhez, aki az 1930-as években hiányossági tételeket dolgozott ki - két feltevés, amelyek megmutatják a formális számtani korlátokat (és ennek következtében minden olyan formális rendszert, amely ezen aritmetika fogalmait használja: 0 és 1)., összeadás és szorzás, valamint természetes számok). Az új kutatások csak azt bizonyították, hogy a gépi tanulás ugyanabba a keretbe tartozik.
Jelenleg az AI-t szó szerint korlátozhatatlanul megkérdőjelezhetetlen matematika korlátozza. Más szavakkal: a mesterséges intelligencia nem képes megoldani egy olyan problémát, amelynek algoritmusa nem biztosít "igaz" vagy "hamis" megoldást. Amir Yehudayov, a Technion-Izrael Technológiai Intézet matematikusa a Nature folyóiratban adott interjúban elismerte, hogy ez meglepetés a tudósok számára. A tanulmány egy webhely körül épült: az algoritmusnak célzott hirdetéseket kellett megjelenítenie a látogatók számára, akik a leggyakrabban látogatják az oldalt - anélkül, hogy előre tudták volna, mely látogatók látogatják meg azt. Ez az úgynevezett maximális (EMX) probléma becslése.
A kutatók szerint a matematikai probléma gyökerei a „valószínűség szerint megközelítőleg helyes tanulásnak” nevezett tanulási algoritmus felépítésében rejhetnek. Ez is nagyon hasonlít a folytonossági hipotézisnek nevezett matematikai paradoxonhoz. A teljesség tételekhez hasonlóan ez a hipotézis a matematikához is kapcsolódik, amelyet egy igazi / hamis rendszer keretében nem lehet bizonyítani. Hipotetikusan, még a legtökéletesebb algoritmus számára is ez egy zsákutca, ahonnan nem tud kijutni. A matematikusok felismerik, hogy a meg nem valósíthatóság olyan terhet jelent, amelyet a gépeknek most meg kell viselniük. Lev Reizin, aki nem vett részt a vizsgálatban, megjegyzi, hogy ezek az intézkedések "képesek lehetnek az AI alázatát tanítani, még akkor is, ha továbbra is forradalmasítják a körülöttünk lévő világot."
Vaszilij Makarov