Израелските математици са доказали, че изкуственият интелект далеч не винаги може да намери модели в наборите от данни или да даде еднозначни отговори на всякакви въпроси. Откритията им бяха представени в списанието Nature Machine Intelligence.
Съвременните системи за машинно обучение и изкуствен интелект работят на много прост принцип. Те постепенно се учат да „виждат“определени модели и да разграничават верни отговори от неправилни, използвайки обширни подготвени от човека бази данни.
Първоначално този подход се използва главно за създаване на системи за разпознаване на изображения. Впоследствие се оказа, че може да се използва за почти всичко - от „творчески“AI, способни да рисуват и създават музика самостоятелно, до машината AlphaZero, която може да се научи без помощта на хората и да играе няколко настолни игри, като знае само техните правила.
Подобни успехи, отбелязва Йехудайф, принудиха програмисти, философи и математици да се замислят дали този метод за решаване на проблеми има граници и дали един изключително "общ" изкуствен интелект може да намери модел във всеки произволен набор от данни и да отговори на всички възможни въпроси.
Израелските математици се опитаха да установят дали това наистина е така, като анализират най-общите версии на различни математически проблеми, които сега активно се решават с помощта на системи за машинно обучение.
Тяхното внимание беше привлечено към версии на изкуствен интелект, които се опитват да предвидят максимални стойности, като използват непълни набори от данни. Например такива машини се опитват да отгатнат предпочитанията на посетителите на определен сайт и да изберат такива реклами, които биха били интересни за повечето от тях.
Представяйки този проблем като сбор от няколко големи и малки набора, Йехудайоф и неговите колеги установяват, че той е подобен в описанието си на известната теорема на Гьодел. Още през 1940 г. известният австрийски математик Курт Гьодел установява, че всяка формална система, включително самата математика, е непълна или противоречива.
С други думи, това означава, че за системите за машинно обучение, както и за „прости“математици, съществуват проблеми, твърдения и въпроси, които не могат да бъдат решени, нито доказани, нито опровергани, без да се надхвърля извън тях.
Промоционално видео:
В този случай, например, е невъзможно да се предвиди дали изкуственият интелект може да бъде обучен за идеално съвпадение на реклами, като се използват знания за предпочитанията на само малък, произволен брой посетители. В зависимост от това кои посетители на портала ще бъдат включени в тази извадка, този проблем е едновременно разрешим и нерешим.
Както подчертават учените, от практическа гледна точка това откритие не влияе по никакъв начин на това колко активно ще се развива изкуственият интелект в бъдеще и колко добре ще решава практическите проблеми. От друга страна, наличието на такива ограничения предполага, че ще бъде много по-трудно да се създаде универсална „мислеща“машина, способна да разрешава всякакви проблеми, отколкото учените смятат днес.