Ahli matematik Israel telah membuktikan bahawa kecerdasan buatan tidak selalu dapat mencari corak dalam set data atau memberikan jawapan yang jelas untuk sebarang pertanyaan. Penemuan mereka dipaparkan dalam jurnal Nature Machine Intelligence.
Pembelajaran mesin moden dan sistem kecerdasan buatan beroperasi berdasarkan prinsip yang sangat mudah. Mereka secara beransur-ansur belajar untuk "melihat" corak tertentu dan membezakan jawapan yang betul dari yang tidak betul menggunakan pangkalan data yang disediakan manusia yang luas.
Pada mulanya, pendekatan ini digunakan terutamanya untuk membuat sistem pengenalan gambar. Selepas itu, ternyata ia dapat digunakan untuk hampir semua hal, dari AI "kreatif", dapat menggambar dan membuat muzik sendiri, hingga mesin AlphaZero, yang dapat belajar tanpa bantuan orang dan bermain beberapa permainan papan, hanya mengetahui peraturan mereka.
Kejayaan seperti itu, kata Yehudayoff, telah memaksa pengaturcara, ahli falsafah dan ahli matematik untuk bertanya-tanya apakah kaedah penyelesaian masalah ini mempunyai had dan adakah kecerdasan buatan yang sangat "umum" dapat menemukan corak dalam set data sewenang-wenangnya dan menjawab semua kemungkinan soalan.
Ahli matematik Israel berusaha untuk mengetahui apakah ini benar dengan menganalisis versi yang paling umum dari pelbagai masalah matematik yang diselesaikan secara aktif hari ini menggunakan sistem pembelajaran mesin.
Perhatian mereka telah ditarik ke versi kecerdasan buatan yang cuba meramalkan nilai maksimum menggunakan set data yang tidak lengkap. Sebagai contoh, mesin seperti itu cuba meneka pilihan pengunjung ke laman web tertentu dan memilih iklan seperti itu yang akan menarik bagi kebanyakan mereka.
Dengan mengemukakan masalah ini sebagai koleksi beberapa set besar dan kecil, Yehudaioff dan rakan-rakannya mendapati bahawa masalah ini serupa dengan penerangannya dengan teorema Gödel yang terkenal. Kembali pada tahun 1940, ahli matematik Austria yang terkenal Kurt Gödel mendapat tahu bahawa sebarang sistem formal, termasuk matematik itu sendiri, tidak lengkap atau bertentangan.
Dengan kata lain, ini bermaksud bahawa untuk sistem pembelajaran mesin, dan juga untuk ahli matematik "sederhana", ada masalah, pernyataan dan pertanyaan yang tidak dapat diselesaikan, dibuktikan, atau dibantah tanpa melampaui batasnya.
Video promosi:
Dalam kes ini, misalnya, mustahil untuk meramalkan sama ada kecerdasan buatan dapat "dilatih" untuk mencocokkan iklan dengan ideal menggunakan pengetahuan mengenai pilihan hanya sebilangan kecil pengunjung yang sewenang-wenangnya. Bergantung pada pelawat portal mana yang akan dimasukkan dalam sampel ini, masalah ini dapat diselesaikan dan tidak dapat diselesaikan.
Seperti yang ditegaskan oleh para saintis, dari sudut praktikal, penemuan ini tidak mempengaruhi sama sekali bagaimana kecerdasan buatan secara aktif akan berkembang di masa depan dan sejauh mana ia dapat menyelesaikan masalah praktikal. Sebaliknya, adanya sekatan seperti itu menunjukkan bahawa akan lebih sukar untuk membuat mesin "berfikir" sejagat yang mampu menyelesaikan masalah daripada yang dipercayai oleh para saintis hari ini.
