Ryhmä matemaatikoita väitti, että todistamaton matematiikka on ylitsepääsemätön este koneoppimisalgoritmeille. Nyt he pystyivät todistamaan sen käytännössä.
Kaikki maailma ei ole tiedossa. Ainakin tämä koskee tekoälyä ja koneoppimisalgoritmeja. Ensi silmäyksellä tällainen toteamus etenemiskautemme aikana saattaa kuulostaa todelliselta harhaoppia - mutta valitettavasti näin on. Kansainvälinen matemaatikoiden ryhmä ja AI-tutkijat ovat havainneet, että koneoppimisen näennäisestä rajattomasta potentiaalista huolimatta matemaattiset rajoitukset sitovat jopa edistyneimmät algoritmit.
"Matematiikan edut rakentuvat joskus siihen tosiseikkaan, että … yksinkertaisesti sanottuna kaikki ei ole todistettavissa", kirjoittavat tutkijat, joita vetää tietotekniikan tutkija Shai Ben-David Waterloon yliopistosta. He väittävät, että koneoppimisella on sama kohtalo.
Kuinka he päätyivät tähän johtopäätökseen? Matemaattiset rajoitukset liittyvät usein kuuluisaan itävaltalaiseen matemaatikko Kurt Gödeliin, joka kehitti 1930-luvulla epätäydellisyyslauseet - kaksi olettamusta, jotka osoittavat muodollisen aritmeettisen tason rajoitukset (ja sen seurauksena mikä tahansa muodollinen järjestelmä, joka käyttää tämän aritmeettisen käsitteen: 0 ja 1), kertominen ja kertoimet sekä luonnolliset luvut). Uusi tutkimus on vain osoittanut, että koneoppiminen on lukittu samaan kehykseen.
Tällä hetkellä AI: ta rajoittaa kirjaimellisesti todistamaton matematiikka. Toisin sanoen tekoäly ei voi ratkaista ongelmaa, jonka algoritmi ei tarjoa "totta" tai "vääriä" ratkaisuja. Matemaatikko Amir Yehudayov Technion-Israel Institute of Technologystä haastatteli Nature-lehden haastattelussa, että tämä oli yllätys tutkijoille. Tutkimus rakennettiin verkkosivuston ympärille: algoritmin piti näyttää kohdistettuja mainoksia kävijöille, jotka käyvät sivulla useimmiten - tietämättä etukäteen, mitkä kävijät vierailevat siinä. Tämä on ns. Maksimioikeuden (EMX) arviointi.
Tutkijoiden mukaan matemaattisen ongelman juuret voivat olla oppimisalgoritmin rakenteessa, joka tunnetaan nimellä “todennäköisesti lähes oikea oppiminen” tai PAC. Se on myös hyvin samanlainen kuin matemaattinen paradoksi, jota kutsutaan jatkuvuushypoteesiksi. Kuten täydellisyyslauseet, tämä hypoteesi liittyy matematiikkaan, jota ei voida todistaa tosi / väärän järjestelmän puitteissa. Hypoteettisesti, jopa kaikkein täydellisimmälle algoritmille, tämä on umpikuja, josta se ei pääse ulos. Matemaatikot tunnustavat, että epätodennäköisyys on taakka, jonka koneiden on nyt kannettava. Lev Reizin, joka ei ollut mukana tutkimuksessa, toteaa, että nämä toimenpiteet "saattavat pystyä opettamaan AI: n nöyryyttä, vaikka se edelleen mullistaa ympäröivää maailmaa".
Vasily Makarov