Matematycy postawili przed SI nierozwiązywalny problem

Matematyk Shai Ben-David wraz ze swoim zespołem przedstawił w publikacji w Nature model nauczania maszynowego zwany przewidywaniem maksimum (EMX). Z pozoru proste zadanie okazało się niewykonalne dla sztucznej inteligencji. Problem postawiony przez zespół Shai Ben-Davida sprowadza się do przewidzenia najbardziej korzystnej kampanii reklamowej skierowanej do najczęściej odwiedzających stronę czytelników. Liczba możliwości jest tak duża, że sieć neuronowa nie jest w stanie znaleźć funkcji, która będzie prawidłowo przewidywała zachowania użytkowników serwisu mając do dyspozycji jedynie niewielką próbkę danych.
Sztuczna Inteligencja
Sztuczna Inteligencja

Odkrycie kanadyjskich naukowców ma związek z matematycznym paradoksem z teorii zbiorów opisanym przez Kurta Gödla

Okazało się, że niektóre problemy stawiane dla sieci neuronowych są równoważne hipotezie continuum postawionej przez Georga Cantora. Niemiecki matematyk udowodnił, że moc zbioru liczb naturalnych jest mniejsza niż moc zbioru liczb rzeczywistych. Następnie postawił pytanie, na które nie potrafił udzielić odpowiedzi. Mianowicie zastanawiał się, czy istnieje nieskończony zbiór, którego moc jest mniejsza od mocy zbioru liczb rzeczywistych, ale większa od mocy zbioru liczb naturalnych. W XX wieku austriacki matematyk Kurt Gödel udowodnił, że hipoteza continuum jest nierozstrzygalna w obowiązującym systemie matematycznym. Okazuje się, że z podobnym problemem zetknęli się matematycy projektujący sieci neuronowe.

Sztuczna inteligencja ma wiele zastosowań. Algorytmy uczenia maszynowego przydają się w takich zadaniach jak rozpoznawanie obrazów, odkrywanie nowych leków, czy prognozowanie pogody. Jednak okazuje się, że i te techniki mają swoje granice, które dopiero poznajemy. Odkrycie kanadyjskich naukowców może oznaczać, że nawet komputery kwantowe nie poradzą sobie z pewnymi klasami problemów, ponieważ na drodze staną paradoksy związane ze zbiorami nieskończonymi. | CHIP