Sekumpulan ahli matematik berpendapat bahawa matematik yang tidak terbukti adalah penghalang yang tidak dapat diatasi terhadap algoritma pembelajaran mesin. Kini mereka dapat membuktikannya dalam praktik.
Tidak semua perkara di dunia dapat diketahui. Sekurang-kurangnya ini berlaku untuk kecerdasan buatan dan algoritma pembelajaran mesin. Pada pandangan pertama, pernyataan seperti itu di zaman kemajuan kita mungkin terdengar seperti ajaran sesat - tetapi, sayangnya, ini berlaku. Sekumpulan pakar matematik antarabangsa dan penyelidik AI telah mendapati bahawa walaupun terdapat potensi pembelajaran mesin yang tidak terbatas, bahkan algoritma yang paling maju terikat oleh batasan matematik.
"Kelebihan matematik kadang-kadang dibina berdasarkan fakta bahawa … dalam istilah sederhana, tidak semuanya dapat dibuktikan," tulis para penyelidik yang diketuai oleh saintis komputer Shai Ben-David dari University of Waterloo. Mereka berpendapat bahawa pembelajaran mesin berkongsi nasib ini.
Bagaimana mereka sampai pada kesimpulan ini? Kekangan matematik sering dikaitkan dengan ahli matematik Austria terkenal Kurt Gödel, yang pada tahun 1930-an mengembangkan teorema ketidaklengkapan - dua andaian yang menunjukkan batasan aritmetik formal (dan, sebagai akibatnya, mana-mana sistem formal yang menggunakan konsep aritmetik ini: 0 dan 1, penambahan dan pendaraban, dan nombor semula jadi). Penyelidikan baru hanya membuktikan bahawa pembelajaran mesin terkunci dalam kerangka yang sama.
Buat masa ini, AI secara terhad dibatasi oleh matematik yang tidak dapat dibuktikan. Dengan kata lain, kecerdasan buatan tidak dapat menyelesaikan masalah yang algoritma tidak memberikan penyelesaian "benar" atau "palsu". Ahli matematik Amir Yehudayov dari Institut Teknologi Technion-Israel, dalam wawancara dengan Nature, mengakui bahawa ini adalah kejutan bagi para saintis. Kajian ini dibuat di sekitar laman web: algoritma seharusnya menunjukkan iklan yang disasarkan kepada pengunjung yang paling sering mengunjungi halaman - tanpa mengetahui terlebih dahulu pengunjung mana yang akan mengunjunginya. Ini adalah apa yang disebut dengan mengira masalah maksimum (EMX).
Menurut para penyelidik, akar masalah matematik mungkin terletak pada struktur algoritma pembelajaran yang dikenali sebagai "kemungkinan pembelajaran yang betul," atau PAC. Ia juga sangat serupa dengan paradoks matematik yang disebut hipotesis kontinum. Seperti teorema kelengkapan, hipotesis ini berkaitan dengan matematik, yang tidak dapat dibuktikan dalam kerangka sistem benar / salah. Secara hipotesis, walaupun untuk algoritma yang paling sempurna, ini adalah jalan buntu, dari mana ia tidak dapat keluar. Ahli matematik menyedari bahawa tidak dapat dibuktikan adalah beban yang harus ditanggung oleh mesin sekarang. Lev Reizin, yang tidak terlibat dalam kajian ini, menyatakan bahawa langkah-langkah ini "mungkin dapat mengajarkan kerendahan hati AI, walaupun ia terus merevolusikan dunia di sekitar kita."
Vasily Makarov
