Регистрация пройдена успешно!
Пожалуйста, перейдите по ссылке из письма, отправленного на

Математики усомнились во всемогуществе искусственного интеллекта

© Depositphotos / agsandrewИскусственный интеллект
Искусственный интеллект
МОСКВА, 9 янв – РИА Новости. Израильские математики доказали, что искусственный интеллект далеко не всегда способен находить закономерности в наборах данных или давать однозначные ответы на любые вопросы. Их выводы были представлены в журнале Nature Machine Intelligence.
"Это открытие стало абсолютным сюрпризом для нас. Конечно, математики давно знают о существовании ряда принципиально нерешаемых проблем, но мы не ожидали, что нечто подобное появится в простом машинном обучении. Это говорит о том, что между "сжатием" информации и самим принципом обучения существует особая фундаментальная связь", — заявил Амир Йехудайофф (Amir Yehudayoff) из Института Технион в Хайфе (Израиль).
Современные системы машинного обучения и искусственного интеллекта работают на базе очень простого принципа. Они постепенно учатся "видеть" определенные закономерности и отличать правильные ответы от неправильных, используя обширные базы данных, подготовленные человеком.
Изначально подобный подход применялся в основном для создания систем распознавания изображений. Впоследствии выяснилось, что его можно применять практически для всего, начиная с "творческих" ИИ, способных самостоятельно рисовать и создавать музыку, и заканчивая машиной AlphaZero, способной учиться без помощи людей и играть в несколько настольных игр, зная лишь их правила.
Подобные успехи, как отмечает Йехудайофф, заставили программистов, философов и математиков задуматься о том, есть ли границы у подобного метода решения проблем и сможет ли предельно "общий" искусственный интеллект найти закономерность в любом произвольном наборе данных и дать ответ на все возможные вопросы.
Спортивный покер в школе покера PokerMoscow
Искусственный интеллект выиграл в покер почти два миллиона долларов
Израильские математики попытались выяснить, так ли это на самом деле, анализируя самые общие версии различных математических проблем, которые сегодня активно решаются при помощи систем машинного обучения.
Их внимание привлекли те версии искусственного интеллекта, которые пытаются предсказать максимальные значения, используя неполные наборы данных. К примеру, подобные машины пытаются угадать предпочтения посетителей того или иного сайта и подбирают такую рекламу, которая бы была интересной для большинства из них.
Представив эту проблему в виде набора из нескольких больших и малых множеств, Йехудайофф и его коллеги обнаружили, что она похожа по своему описанию на знаменитую теорему Гёделя. Еще в 1940 году известный австрийский математик Курт Гёдель выяснил, что любая формальная система, в том числе сама математика, является неполной или противоречивой.
Иными словами, это означает, что для систем машинного обучения, как и для "простых" математиков, существуют проблемы, утверждения и вопросы, которые нельзя ни решить, ни доказать, ни опровергнуть, не выходя за их пределы.
Квантовая физика
Теоретики нашли доказательства неполноты квантовой физики
В данном случае, к примеру, невозможно предсказать, можно ли "натренировать" искусственный интеллект идеально подбирать рекламу, используя знания о предпочтениях лишь небольшого произвольного числа посетителей. В зависимости от того, какие посетители портала попадут в эту выборку, данная проблема одновременно является как решаемой, так и нерешаемой.
Как подчеркивают ученые, с практической точки зрения это открытие никак не влияет на то, насколько активно будет развиваться искусственный разум в будущем и как хорошо он будет решать практические задачи. С другой стороны, наличие подобных ограничений говорит о том, что создать универсальную "мыслящую" машину, способную решать любые задачи, будет намного сложнее, чем считают ученые сегодня.
Оценить 77
Рекомендуем
РИА
Новости
Лента
новостей
Сначала новыеСначала старые
loader
Онлайн
Заголовок открываемого материала
Чтобы участвовать в дискуссии
авторизуйтесь или зарегистрируйтесь
loader
Чаты
Заголовок открываемого материала