به گزارش گروه علم و فناوری ایسکانیوز، باتوجه به پیشرفتهای بالای هوش مصنوعی و یادگیری ماشین تقریبا هیچ مسئلهای نیست که این علم از پس آن برنیاید با این حال یافتههای دانشمندان چیز دیگری می گویند.
بر اساس یک تحقیق بینالمللی که توسط یک تیم از ریاضیدانان و محققان هوش مصنوعی انجام شده است مشخص شد که به رغم پتانسیل ظاهرا بی حد و حصر یادگیری ماشین، حتی باهوش ترین الگوریتم ها هم در مورد محدودیت های ریاضی با مشکل مواجه می شوند.
«شای بن دیوید» از دانشگاه واترلو اعلام کرد که مزایایی ریاضیات گاها انسان را با هزینه هایی نیز رو به رو می کند و در آن همه چیز قابل اثبات نیست.
مطرح شدن این محدودیت های ریاضی اغلب به کرت گودل، ریاضیدان مشهور اتریش باز می گردد که در دهه 1930 به عنوان قضیه ناتمامیت شناخته شد و می توان گفت تمام سوالات ریاضی حتما حل شدنی نیستند.
در حال حاضر، تحقیقات جدید بن دیوید نشان می دهد که یادگیری ماشین با عدم توانایی حل مسئله محدود شده است.
در این استدلال، توانایی دستگاه (در واقع یادگیری) می تواند توسط ریاضیات محدود شود که غیر قابل اثبات است. به عبارت دیگر، اساسا ریاضیات مسئلهای غیرقابل حل برای AI ارائه می دهد، چیزی که یک الگوریتم توانایی حل و رسیدن به یک پاسخ صحیح یا خطا در مورد آن را نخواهد داشت.
دانشمندان با مسئلهای از یادگیری ماشین به نام «برآورد حداکثری» ( EMX) سروکار داشتند که به بررسی تبلیغات سایت که بیشترین مخاطب آن را جستوجو می کند پرداختند. این مسئله شباهت زیادی به چهارچوب یادگیری ماشین مثلا یادگیری محاسباتی دارد؛ اما شبیه به قضایای ناتمامیت گودل نیز هست.
بنابر این باتوجه به قضیه ناتمامیت در مورد ریاضی و محدودیت های موجود در مورد آن در مسئله مطرح شده، یادگیری ماشین نیز ممکن است به همان بن بست ریاضیات برسد.
محققان یک مسئله یادگیری ماشین را شناسایی کرده اند که سرنوشت آن بستگی به فرضیه پیوسته دارد و قطعا ممکن است کارایی خود را از دست بدهد.
البته پارامترهای داده شده در مسئله EMX، همان چیزی نیست که ماژول یادگیری در شرایط دیگر با آن مواجه است؛ اما از لحاظ علمی، این تحقیق نشان داد که به رغم پیشرفت علم کامپیوتر هنوز هم محدودیت ها در مقابل آن قرار دارند.
یادگیری ماشین درحال حاضر به کمک مسائلی آمده که غیرقابل اثبات و سخت هستند؛ اما اکنون همین ریاضیات خود هوش مصنوعی را نیز با محدودیت هایی مواجه کرده است.
انتهای پیام/