Iisraeli matemaatikud on tõestanud, et tehisintellekt ei suuda kaugeltki alati leida andmekogumitest mustreid ega anda üheselt mõistetavaid vastuseid kõigile küsimustele. Nende tulemusi tutvustati ajakirjas Nature Machine Intelligence.
Kaasaegsed masinõppe- ja tehisintellekti süsteemid töötavad väga lihtsal põhimõttel. Järk-järgult õpivad nad "nägema" teatud mustreid ja eristama õigeid vastuseid valedest, kasutades ulatuslikke inimese ettevalmistatud andmebaase.
Algselt kasutati seda lähenemist peamiselt pildituvastussüsteemide loomisel. Hiljem selgus, et seda saab kasutada peaaegu kõige jaoks, alates “loovatest” AI-dele, mis suudavad ise muusikat joonistada ja luua, kuni AlphaZero masinani, mis suudab õppida ilma inimeste abita ja mängida mitmeid lauamänge, teades ainult nende reegleid.
Yehudayoff märgib, et sellised õnnestumised on programmeerijaid, filosoofe ja matemaatikuid sundinud mõtlema, kas sellel probleemide lahendamise meetodil on piirid ja kas äärmiselt "üldine" tehisintellekt võib leida mustri suvalistest andmestikest ja vastata kõigile võimalikele küsimustele.
Iisraeli matemaatikud püüdsid välja selgitada, kas see tõesti nii on, analüüsides erinevate matemaatiliste probleemide kõige üldisemaid versioone, mida tänapäeval aktiivselt lahendatakse masinõppe süsteemide abil.
Nende tähelepanu on juhitud tehisintellekti versioonidele, mis püüavad mittetäielike andmekogumite abil ennustada maksimumväärtusi. Näiteks proovivad sellised masinad ära arvata konkreetse saidi külastajate eelistused ja valida sellised reklaamid, mis oleks enamiku jaoks huvitavad.
Esitades seda probleemi mitmete suurte ja väikeste komplektide kogumina, leidsid Yehudaioff ja tema kolleegid, et see on oma kirjelduses sarnane kuulsa Gödeli teoreemiga. Kuulus Austria matemaatik Kurt Gödel leidis 1940. aastal, et igasugune formaalne süsteem, sealhulgas ka matemaatika ise, on puudulik või vastuoluline.
Teisisõnu tähendab see, et nii masinõppe süsteemide kui ka "lihtsate" matemaatikute jaoks on probleeme, avaldusi ja küsimusi, mida ei saa lahendada, tõestada ega ümber lükata, ilma et nende piiridest üle läheks.
Reklaamvideo:
Sellisel juhul on näiteks võimatu ennustada, kas tehisintellekti saab „koolitada”, et see sobiks ideaalselt reklaamidega, kasutades teadmisi vaid väikese suvalise arvu külastajate eelistuste kohta. Sõltuvalt sellest, millised portaali külastajad sellesse valimisse kaasatakse, on see probleem nii lahendatav kui ka lahendamatu.
Nagu teadlased rõhutavad, ei mõjuta see avastus praktilisest küljest mingil moel seda, kui aktiivselt tehisintellekt tulevikus areneb ja kui hästi see praktilisi probleeme lahendab. Teisest küljest viitab selliste piirangute olemasolu sellele, et universaalset "mõtlemismasinat", mis suudaks lahendada mis tahes probleeme, on palju keerulisem luua kui teadlased usuvad täna.
