Izraelski matematiki so dokazali, da umetni inteligenci še zdaleč ni mogoče najti vzorcev v zbirkah podatkov ali dati nedvoumnih odgovorov na kakršna koli vprašanja. Njihove ugotovitve so bile predstavljene v reviji Nature Machine Intelligence.
Sodobni sistem strojnega učenja in umetne inteligence deluje na zelo preprostem principu. Postopoma se naučijo "videti" določene vzorce in razlikovati pravilne odgovore od napačnih, s pomočjo obsežnih podatkovnih baz.
V začetku so ta pristop uporabljali predvsem za ustvarjanje sistemov za prepoznavanje slik. V nadaljevanju se je izkazalo, da ga je mogoče uporabiti za skoraj vse, od "kreativnih" AI-jev, ki so sposobni sami risati in ustvarjati glasbo, do računalnika AlphaZero, ki se lahko brez pomoči ljudi uči in igra več družabnih iger, pri čemer pozna le njihova pravila.
Takšni uspehi, ugotavlja Yehudayoff, so prisilili programerje, filozofe in matematike, da se vprašajo, ali ima ta način reševanja problemov omejitve in ali lahko izredno "splošna" umetna inteligenca najde vzorec v poljubnem poljubnem nizu podatkov in odgovori na vsa možna vprašanja.
Izraelski matematiki so poskušali ugotoviti, ali je res tako, z analizo najbolj splošnih različic različnih matematičnih problemov, ki jih danes aktivno rešujemo s pomočjo sistemov strojnega učenja.
Njihovo pozornost so pritegnile različice umetne inteligence, ki poskušajo predvideti največje vrednosti z nepopolnimi nabori podatkov. Na primer, takšni stroji skušajo uganiti želje obiskovalcev določenega spletnega mesta in izbrati takšne oglase, ki bi bili zanimivi za večino njih.
Yehudaioff in njegovi sodelavci so s tem problemom predstavili kot zbirko več velikih in majhnih sklopov, da je bil v svojem opisu podoben slavnemu Gödlovemu teoremu. Že leta 1940 je slavni avstrijski matematik Kurt Gödel ugotovil, da je kakršen koli formalni sistem, tudi sam matematika, nepopoln ali protislovni.
Z drugimi besedami, to pomeni, da za sisteme strojnega učenja, pa tudi za »preproste« matematike obstajajo težave, izjave in vprašanja, ki jih ni mogoče rešiti, dokazati ali ovrgniti, ne da bi jih presegli.
Promocijski video:
V tem primeru je na primer nemogoče napovedati, ali je mogoče umetno inteligenco »usposobiti« za idealno ujemanje oglasov z uporabo poznavanja preferenc le majhnega, poljubnega števila obiskovalcev. Glede na to, kateri obiskovalci portala bodo vključeni v ta vzorec, je ta težava tako rešljiva kot nerešljiva.
Kot poudarjajo znanstveniki, s praktičnega vidika to odkritje nikakor ne vpliva na to, kako aktivno se bo umetna inteligenca razvijala v prihodnosti in kako dobro bo reševala praktične težave. Po drugi strani pa prisotnost takih omejitev kaže na to, da bo veliko težje ustvariti univerzalni "razmišljajoči" stroj, ki bi bil sposoben reševati kakršne koli težave, kot danes menijo znanstveniki.