Az izraeli matematikusok bebizonyították, hogy a mesterséges intelligencia messze nem mindig képes mintákat találni az adatkészletekben, vagy bármilyen kérdésre egyértelmű választ adhat. Megállapításaikat a Nature Machine Intelligence folyóiratban mutatták be.
A modern gépi tanulás és a mesterséges intelligencia rendszerek nagyon egyszerű elven működnek. Fokozatosan megtanulják "látni" bizonyos mintákat és megkülönböztetni a helyes válaszokat a helytelen válaszoktól, kiterjedt, ember által készített adatbázisok segítségével.
Kezdetben ezt a megközelítést főleg a képfelismerő rendszerek létrehozására használták. Később kiderült, hogy szinte mindenre alkalmazható, a "kreatív" AI-kig, amelyek képesek rajzolni és saját maguknak zenét készíteni, az AlphaZero gépen, amely emberek nélkül tanulhat és több társasjátékot játszhat, csak a szabályaik ismeretében.
Yehudayoff megjegyzi, hogy az ilyen sikerek arra késztették a programozókat, filozófusokat és matematikusokat, hogy gondolkodjanak azon, vajon a problémamegoldási módszernek vannak-e korlátai, és vajon egy rendkívül "általános" mesterséges intelligencia megtalálhat-e mintát bármilyen tetszőleges adatkészletben, és válaszolhat minden lehetséges kérdésre.
Az izraeli matematikusok megpróbálták kideríteni, hogy ez valóban így van-e a különféle matematikai problémák általánosabb verzióinak elemzésével, amelyeket ma már gépi tanulási rendszerek segítségével aktívan oldnak meg.
Felhívták a figyelmüket a mesterséges intelligencia olyan verzióira, amelyek a hiányos adatkészletek felhasználásával próbálják megjósolni a maximális értékeket. Például az ilyen gépek megpróbálják kitalálni egy adott webhely látogatóinak preferenciáit, és kiválasztanak olyan hirdetéseket, amelyek többségük számára érdekelnének.
Yehudaioff és kollégái, miként ezt a problémát több nagy és kicsi halmaz gyűjteményeként mutatták be, úgy találták, hogy leírása hasonló a híres Gödel-tételhez. 1940-ben Kurt Gödel, a híres osztrák matematikus rájött, hogy minden formális rendszer, beleértve a matematikát is, hiányos vagy ellentmondásos.
Más szavakkal ez azt jelenti, hogy a gépi tanulási rendszerek, valamint az "egyszerű" matematikusok számára vannak olyan problémák, állítások és kérdések, amelyeket nem lehet megoldani, nem bebizonyítani, és nem is megcáfolni anélkül, hogy a határokon túllépnék.
Promóciós videó:
Ebben az esetben például lehetetlen megjósolni, hogy a mesterséges intelligencia „kiképzhető-e” ahhoz, hogy ideálisan illeszkedjen a hirdetésekhez, csupán kicsi, önkényes látogatói szám preferenciáinak ismerete alapján. Attól függően, hogy mely portál látogatói kerülnek be a mintába, ez a probléma megoldható és megoldhatatlan is.
Mint a tudósok hangsúlyozzák, gyakorlati szempontból ez a felfedezés semmilyen módon nem befolyásolja a mesterséges intelligencia jövőbeni aktív fejlődésének és a gyakorlati problémák megoldásának megfelelő képességét. Másrészről, az ilyen korlátozások jelenléte azt sugallja, hogy sokkal nehezebb egy olyan univerzális "gondolkodó" gépet létrehozni, amely bármilyen problémát képes megoldani, mint ahogy a tudósok ma hiszik.