Izraelio matematikai įrodė, kad dirbtinis intelektas toli gražu ne visada sugeba rasti duomenų rinkinių modelius ar pateikti vienareikšmiškus atsakymus į bet kokius klausimus. Jų išvados buvo pristatytos žurnale „Nature Machine Intelligence“.
Šiuolaikinės mašinų mokymosi ir dirbtinio intelekto sistemos veikia labai paprastu principu. Jie palaipsniui išmoksta „pamatyti“tam tikrus modelius ir atskirti teisingus atsakymus nuo neteisingų, naudodamiesi plačiomis žmogaus parengtomis duomenų bazėmis.
- „Salik.biz“
Iš pradžių šis požiūris daugiausia buvo naudojamas kuriant vaizdo atpažinimo sistemas. Vėliau paaiškėjo, kad jis gali būti naudojamas beveik viskam, pradedant „kūrybingais“PG, gebančiais savarankiškai piešti ir kurti muziką, baigiant „AlphaZero“aparatu, kuris gali išmokti be žmonių pagalbos ir žaisti kelis stalo žaidimus, žinodamas tik jų taisykles.
Yehudayoffas pažymi, kad tokios sėkmės privertė programuotojus, filosofus ir matematikus pasidomėti, ar šis problemų sprendimo būdas turi ribų ir ar ypač „bendras“dirbtinis intelektas gali rasti modelį bet kuriame savavališkame duomenų rinkinyje ir atsakyti į visus galimus klausimus.
Izraelio matematikai bandė išsiaiškinti, ar taip yra iš tikrųjų, analizuodami bendriausias įvairių matematikos problemų versijas, kurios šiandien aktyviai sprendžiamos naudojantis mašininio mokymosi sistemomis.
Jų dėmesį patraukė dirbtinio intelekto versijos, kuriomis bandoma numatyti maksimalias vertes naudojant neišsamius duomenų rinkinius. Pavyzdžiui, tokios mašinos bando atspėti tam tikros svetainės lankytojų pageidavimus ir pasirenka tokius skelbimus, kurie būtų įdomūs daugumai jų.
Pateikdamas šią problemą kaip kelių didelių ir mažų rinkinių rinkinį, Yehudaioffas ir jo kolegos nustatė, kad aprašyme ji panaši į garsiąją Gödelio teoremą. 1940 m. Žymus austrų matematikas Kurtas Gödelis išsiaiškino, kad bet kokia oficiali sistema, įskaitant pačią matematiką, yra neišsami ar prieštaringa.
Kitaip tariant, tai reiškia, kad mašininio mokymosi sistemoms, taip pat ir „paprastiems“matematikams kyla problemų, teiginių ir klausimų, kurių negalima nei išspręsti, nei įrodyti, nei paneigti neperžengiant savo galimybių ribų.
Reklaminis vaizdo įrašas:
Pvz., Tokiu atveju neįmanoma nuspėti, ar dirbtinis intelektas gali būti „išmokytas“, kad idealiai atitiktų skelbimus, remiantis žiniomis apie tik nedidelio, savavališko lankytojų skaičiaus, pageidavimus. Atsižvelgiant į tai, kurie portalo lankytojai bus įtraukti į šią imtį, ši problema yra ir išsprendžiama, ir neišsprendžiama.
Kaip pabrėžia mokslininkai, praktiniu požiūriu šis atradimas neturi jokios įtakos tam, kaip aktyviai ateityje vystysis dirbtinis intelektas ir kaip gerai jis spręs praktines problemas. Kita vertus, tokių apribojimų buvimas leidžia manyti, kad sukurti universalią „mąstymo“mašiną, gebančią išspręsti bet kokias problemas, bus daug sunkiau, nei šiandien tiki mokslininkai.