Izraelští matematici prokázali, že umělá inteligence zdaleka není vždy schopna najít vzorce v souborech dat nebo dát jednoznačné odpovědi na jakékoli otázky. Jejich nálezy byly prezentovány v časopise Nature Machine Intelligence.
Moderní systémy strojového učení a umělé inteligence fungují na velmi jednoduchém principu. Postupně se učí „vidět“určité vzorce a rozlišovat správné odpovědi od nesprávných pomocí rozsáhlých lidských databází.
Zpočátku byl tento přístup používán hlavně k vytvoření systémů rozpoznávání obrazu. Následně se ukázalo, že lze použít téměř na všechno, od „kreativních“umělých inteligencí, schopných kreslit a vytvářet hudbu samostatně, až po stroj AlphaZero, který se může učit bez pomoci lidí a hrát několik deskových her, znát pouze svá pravidla.
Takové úspěchy, poznamenává Yehudayoff, přiměly programátory, filozofy a matematiky, aby přemýšleli, zda má tato metoda řešení problémů své limity a zda extrémně „obecná“umělá inteligence dokáže najít vzorec v libovolném souboru dat a odpovědět na všechny možné otázky.
Izraelští matematici se pokusili zjistit, zda je to skutečně tak, analýzou nejobecnějších verzí různých matematických problémů, které se dnes aktivně řeší pomocí systémů strojového učení.
Jejich pozornost byla věnována verzi umělé inteligence, která se snaží předpovídat maximální hodnoty pomocí neúplných datových sad. Takové stroje se například snaží uhodnout preference návštěvníků konkrétního webu a vybrat takové reklamy, které by byly pro většinu z nich zajímavé.
Tím, že představil tento problém jako soubor několika velkých a malých souborů, Yehudaioff a jeho kolegové zjistili, že to bylo ve svém popisu podobné slavné Gödelově větě. Již v roce 1940 slavný rakouský matematik Kurt Gödel zjistil, že jakýkoli formální systém, včetně samotné matematiky, je neúplný nebo protichůdný.
Jinými slovy to znamená, že v systémech strojového učení i v „jednoduchých“matematikech existují problémy, výroky a otázky, které nemohou být vyřešeny, ani prokázány, ani vyvráceny, aniž by překročily rámec nich.
Propagační video:
V tomto případě například není možné předvídat, zda lze umělou inteligenci „vyškolit“tak, aby v ideálním případě odpovídala reklamám pomocí znalostí o preferencích pouze malého, libovolného počtu návštěvníků. V závislosti na tom, kteří návštěvníci portálu budou do tohoto vzorku zahrnuti, je tento problém řešitelný i neřešitelný.
Jak vědci zdůrazňují, z praktického hlediska tento objev nijak neovlivňuje, jak se bude v budoucnu aktivně rozvíjet umělá inteligence a jak dobře vyřeší praktické problémy. Na druhé straně, přítomnost takových omezení naznačuje, že bude mnohem obtížnější vytvořit univerzální „myslící“stroj schopný vyřešit jakýkoli problém, než si vědci dnes myslí.