Matematikere Har Skapt Et Problem Som Ikke Kan Løses Av Maskinen - Alternativ Visning

Matematikere Har Skapt Et Problem Som Ikke Kan Løses Av Maskinen - Alternativ Visning
Matematikere Har Skapt Et Problem Som Ikke Kan Løses Av Maskinen - Alternativ Visning

Video: Matematikere Har Skapt Et Problem Som Ikke Kan Løses Av Maskinen - Alternativ Visning

Video: Matematikere Har Skapt Et Problem Som Ikke Kan Løses Av Maskinen - Alternativ Visning
Video: ZEITGEIST: MOVING FORWARD | OFFICIAL RELEASE | 2011 2024, Mars
Anonim

En gruppe matematikere hevdet at uprovosabel matematikk er en uoverkommelig barriere for algoritmer for maskinlæring. Nå klarte de å bevise det i praksis.

Ikke alt i verden er kjent. I hvert fall gjelder dette kunstig intelligens og maskinlæringsalgoritmer. Ved første øyekast kan en slik uttalelse i vår tids fremgang høres ut som en ekte kjetteri - men akk, dette er tilfelle. En internasjonal gruppe matematikere og AI-forskere har funnet ut at til tross for det tilsynelatende ubegrensede potensialet for maskinlæring, selv de mest avanserte algoritmene er bundet av matematiske begrensninger.

"Fordelene med matematikk er noen ganger bygd på det faktum at … i enkle vendinger, ikke alt er bevisbart," skriver forskerne ledet av informatikeren Shai Ben-David ved University of Waterloo. De argumenterer for at maskinlæring deler denne skjebnen.

Hvordan kom de til denne konklusjonen? Matematiske begrensninger er ofte assosiert med den berømte østerrikske matematikeren Kurt Gödel, som på 1930-tallet utviklet ufullstendighetsteoremer - to forutsetninger som viser begrensningene i formell aritmetikk (og som en konsekvens, ethvert formelt system som bruker begrepene til denne aritmetikken: 0 og 1, tillegg og multiplikasjon, og naturlige tall). Ny forskning har bare bevist at maskinlæring er innelåst i de samme rammene.

Akkurat nå er AI bokstavelig talt begrenset av uprovosabel matematikk. Med andre ord, kunstig intelligens kan ikke løse et problem hvis algoritme ikke gir en "sann" eller "falsk" løsning. Matematiker Amir Yehudayov fra Technion-Israel Institute of Technology innrømmet i et intervju med tidsskriftet Nature at dette var en overraskelse for forskere. Forskningen ble bygget rundt et nettsted: algoritmen skulle vise målrettede annonser til besøkende som besøker siden oftest - uten å vite hvilke besøkende som ville besøke den på forhånd. Dette er et såkalt estimering av det maksimale (EMX) problemet.

I følge forskerne kan røttene til det matematiske problemet ligge i strukturen til læringsalgoritmen kjent som "sannsynligvis tilnærmet riktig læring", eller PAC. Det er også veldig likt det matematiske paradokset som kalles kontinuumhypotesen. Som fullstendighetsteoremer, er denne hypotesen relatert til matematikk, som ikke kan bevises innenfor rammen av et sant / falskt system. Hypotetisk, selv for den mest perfekte algoritmen, er dette en blindvei, hvorfra den ikke kan komme ut. Matematikere erkjenner at unprovability er en belastning som maskiner nå vil måtte bære. Lev Reizin, som ikke var involvert i studien, bemerker at disse tiltakene "kan være i stand til å lære AI ydmykhet, selv om det fortsetter å revolusjonere verden rundt oss."

Vasily Makarov

Anbefalt: