Israelske matematikere har bevist, at kunstig intelligens langt fra altid er i stand til at finde mønstre i datasæt eller give entydige svar på spørgsmål. Deres fund blev præsenteret i tidsskriftet Nature Machine Intelligence.
Moderne maskinindlæring og kunstige intelligenssystemer fungerer på et meget simpelt princip. De lærer gradvist at "se" visse mønstre og at skelne de rigtige svar fra forkerte dem ved hjælp af omfattende, menneskeligt forberedte databaser.
Oprindeligt blev denne tilgang hovedsageligt brugt til at skabe billedgenkendelsessystemer. Derefter viste det sig, at det kan bruges til næsten alt fra “kreative” AI'er, i stand til at tegne og skabe musik på egen hånd, til AlphaZero-maskinen, som kan lære uden hjælp af mennesker og spille flere brætspil, kun ved deres regler.
Sådanne succeser, bemærker Yehudayoff, har tvunget programmerere, filosoffer og matematikere til at undre sig over, om denne metode til problemløsning har grænser, og om en ekstremt "generel" kunstig intelligens kan finde et mønster i ethvert vilkårligt datasæt og besvare alle mulige spørgsmål.
Israelske matematikere forsøgte at finde ud af, om dette virkelig er tilfældet ved at analysere de mest generelle versioner af forskellige matematiske problemer, der aktivt løses i dag ved hjælp af maskinlæringssystemer.
Deres opmærksomhed er blevet henledt til versioner af kunstig intelligens, der forsøger at forudsige maksimale værdier ved hjælp af ufuldstændige datasæt. For eksempel prøver sådanne maskiner at gætte præferencerne for besøgende på et bestemt sted og vælge sådanne annoncer, der ville være interessant for de fleste af dem.
Ved at præsentere dette problem som en samling af flere store og små sæt, fandt Yehudaioff og hans kolleger, at det i dens beskrivelse ligner det berømte Gödel-sætning. Tilbage i 1940 fandt den berømte østrigske matematiker Kurt Gödel ud af, at ethvert formelt system, inklusive matematik i sig selv, er ufuldstændigt eller selvmodsigende.
Med andre ord betyder dette, at der for maskinindlæringssystemer såvel som for "enkle" matematikere er problemer, udsagn og spørgsmål, som hverken kan løses, bevises eller modbevises uden at gå ud over deres grænser.
Salgsfremmende video:
I dette tilfælde er det for eksempel umuligt at forudsige, om kunstig intelligens kan "trænes" til ideelt at matche annoncer ved hjælp af viden om præferencerne for kun et lille, vilkårligt antal besøgende. Afhængigt af hvilke portalbesøgende der vil blive inkluderet i denne prøve, er dette problem både løseligt og uopløseligt.
Som forskere understreger, påvirker denne opdagelse fra et praktisk synspunkt ikke på nogen måde, hvor aktivt kunstig intelligens vil udvikle sig i fremtiden, og hvor godt den vil løse praktiske problemer. På den anden side antyder tilstedeværelsen af sådanne begrænsninger, at det vil være meget vanskeligere at skabe en universel "tænkende" maskine, der er i stand til at løse eventuelle problemer, end forskere mener i dag.
