Izraēlas matemātiķi ir pierādījuši, ka mākslīgais intelekts ne vienmēr spēj atrast modeļus datu kopās vai sniegt nepārprotamas atbildes uz visiem jautājumiem. Viņu atradumi tika prezentēti žurnālā Nature Machine Intelligence.
Mūsdienu mašīnmācīšanās un mākslīgā intelekta sistēmas darbojas pēc ļoti vienkārša principa. Viņi pamazām iemācās "redzēt" noteiktus modeļus un atšķirt pareizās atbildes no nepareizām, izmantojot plašas cilvēku sagatavotas datu bāzes.
Sākotnēji šī pieeja tika izmantota galvenokārt attēlu atpazīšanas sistēmu izveidošanai. Pēc tam izrādījās, ka to var izmantot gandrīz visam, sākot no “radošajām” AI, kas spēj pats zīmēt un radīt mūziku, līdz AlphaZero mašīnai, kas var iemācīties bez cilvēku palīdzības un spēlēt vairākas galda spēles, zinot tikai viņu noteikumus.
Yehudayoff atzīmē, ka šādi panākumi ir piespieduši programmētājus, filozofus un matemātiķus domāt, vai šai problēmu risināšanas metodei ir robežas un vai ārkārtīgi "vispārējs" mākslīgais intelekts var atrast modeli jebkurā patvaļīgā datu kopā un atbildēt uz visiem iespējamiem jautājumiem.
Izraēlas matemātiķi mēģināja noskaidrot, vai tas tā patiešām ir, analizējot dažādu matemātisko problēmu vispārīgākās versijas, kuras mūsdienās aktīvi risina, izmantojot mašīnmācīšanās sistēmas.
Viņu uzmanību piesaista mākslīgā intelekta versijas, kas mēģina paredzēt maksimālās vērtības, izmantojot nepilnīgas datu kopas. Piemēram, šādas mašīnas mēģina uzminēt konkrētas vietnes apmeklētāju vēlmes un atlasa tādas reklāmas, kas vairumam no tām būtu interesantas.
Iepazīstinot ar šo problēmu kā vairāku lielu un mazu komplektu kolekciju, Yehudaioff un viņa kolēģi secināja, ka tā aprakstā ir līdzīga slavenajai Gēdela teorēmai. 1940. gadā slavenais Austrijas matemātiķis Kurts Gedels uzzināja, ka jebkura formālā sistēma, ieskaitot pašu matemātiku, ir nepilnīga vai pretrunīga.
Citiem vārdiem sakot, tas nozīmē, ka mašīnmācīšanās sistēmām, kā arī "vienkāršajiem" matemātiķiem ir problēmas, paziņojumi un jautājumi, kurus nevar ne atrisināt, ne pierādīt, ne atspēkot, nepārsniedzot to robežas.
Reklāmas video:
Piemēram, šajā gadījumā nav iespējams paredzēt, vai mākslīgo intelektu var “apmācīt”, lai tas ideāli atbilstu reklāmām, izmantojot zināšanas tikai par nelielu, patvaļīgu apmeklētāju skaitu. Atkarībā no tā, kuri portāla apmeklētāji tiks iekļauti šajā izlasē, šī problēma ir gan risināma, gan neatrisināma.
Kā uzsver zinātnieki, no praktiskā viedokļa šis atklājums nekādā veidā neietekmē to, cik aktīvi mākslīgais intelekts attīstīsies nākotnē un cik labi tas atrisinās praktiskas problēmas. No otras puses, šādu ierobežojumu klātbūtne liek domāt, ka būs daudz grūtāk izveidot universālu "domājošu" mašīnu, kas spētu atrisināt jebkādas problēmas, nekā mūsdienās tic zinātnieki.