Izraelskí matematici dokázali, že umelá inteligencia ani zďaleka nie je schopná nájsť vzory v množinách údajov alebo dať jednoznačnú odpoveď na akékoľvek otázky. Ich zistenia boli prezentované v časopise Nature Machine Intelligence.
Moderné strojové učenie a systémy umelej inteligencie fungujú na veľmi jednoduchom princípe. Postupne sa učia „vidieť“určité vzorce a rozlišovať správne odpovede od nesprávnych pomocou rozsiahlych databáz pripravených ľuďmi.
Spočiatku sa tento prístup použil hlavne na vytvorenie systémov na rozpoznávanie obrázkov. Následne sa ukázalo, že sa dá uplatniť takmer na všetko, od „kreatívnych“umelých inteligencií schopných kresliť a vytvárať hudbu samostatne, až po stroj AlphaZero, ktorý sa môže učiť bez pomoci ľudí a hrať niekoľko doskových hier, poznať iba svoje pravidlá.
Takéto úspechy, poznamenáva Yehudayoff, prinútili programátorov, filozofov a matematikov, aby sa pýtali, či má táto metóda riešenia problémov svoje hranice a či extrémne „všeobecná“umelá inteligencia dokáže nájsť vzorec v ľubovoľnom súbore údajov a odpovedať na všetky možné otázky.
Izraelskí matematici sa pokúsili zistiť, či je to skutočne tak, analyzovaním najbežnejších verzií rôznych matematických problémov, ktoré sa dnes aktívne riešia pomocou systémov strojového učenia.
Ich pozornosť bola venovaná verziám umelej inteligencie, ktoré sa snažia predpovedať maximálne hodnoty pomocou neúplných súborov údajov. Takéto stroje sa napríklad pokúšajú uhádnuť preferencie návštevníkov konkrétneho webu a vybrať také reklamy, ktoré by boli pre väčšinu z nich zaujímavé.
Tým, že predstavil tento problém ako súbor niekoľkých veľkých a malých súborov, Yehudaioff a jeho kolegovia zistili, že to bolo v jeho popise podobné slávnej Gödelovej vete. Už v roku 1940 slávny rakúsky matematik Kurt Gödel zistil, že akýkoľvek formálny systém vrátane samotnej matematiky je neúplný alebo protirečivý.
Inými slovami to znamená, že v systémoch strojového učenia, ako aj v prípade „jednoduchých“matematikov, existujú problémy, výroky a otázky, ktoré nie je možné vyriešiť, ani dokázať, ani vyvrátiť bez prekročenia ich limitov.
Propagačné video:
V tomto prípade napríklad nie je možné predpovedať, či je možné umelú inteligenciu „trénovať“tak, aby ideálne ladila reklamy pomocou znalostí preferencií iba malého, ľubovoľného počtu návštevníkov. V závislosti od toho, ktorí návštevníci portálu budú zahrnutí do tejto vzorky, je tento problém riešiteľný aj neriešiteľný.
Ako vedci zdôrazňujú, z praktického hľadiska tento objav nijako neovplyvňuje to, ako sa bude aktívne rozvíjať umelá inteligencia v budúcnosti a ako dobre vyrieši praktické problémy. Na druhej strane, prítomnosť takýchto obmedzení naznačuje, že bude oveľa ťažšie vytvoriť univerzálny „mysliaci“stroj schopný vyriešiť akékoľvek problémy, ako veria vedci dnes.