Un grupo de matemáticos argumentó que las matemáticas imposibles de demostrar son una barrera infranqueable para los algoritmos de aprendizaje automático. Ahora pudieron demostrarlo en la práctica.
No todo en el mundo es cognoscible. Al menos esto se aplica a la inteligencia artificial y los algoritmos de aprendizaje automático. A primera vista, tal afirmación en nuestra era de progreso puede parecer una verdadera herejía, pero, lamentablemente, este es el caso. Un grupo internacional de matemáticos e investigadores de inteligencia artificial ha descubierto que, a pesar del potencial aparentemente ilimitado del aprendizaje automático, incluso los algoritmos más avanzados están sujetos a restricciones matemáticas.
"Las ventajas de las matemáticas a veces se basan en el hecho de que … en términos simples, no todo es demostrable", escriben los investigadores dirigidos por el científico informático Shai Ben-David de la Universidad de Waterloo. Argumentan que el aprendizaje automático comparte este destino.
¿Cómo llegaron a esta conclusión? Las restricciones matemáticas a menudo se asocian con el famoso matemático austriaco Kurt Gödel, quien en la década de 1930 desarrolló teoremas de incompletitud, dos supuestos que muestran las limitaciones de la aritmética formal (y, como consecuencia, cualquier sistema formal que use los conceptos de esta aritmética: 0 y 1, suma y multiplicación y números naturales). Una nueva investigación solo ha demostrado que el aprendizaje automático está bloqueado en el mismo marco.
norte
En este momento, la IA está literalmente limitada por matemáticas imposibles de demostrar. En otras palabras, la inteligencia artificial no puede resolver un problema cuyo algoritmo no proporciona una solución "verdadera" o "falsa". El matemático Amir Yehudayov del Instituto de Tecnología Technion-Israel, en una entrevista con la revista Nature, admitió que esto fue una sorpresa para los científicos. La investigación se desarrolló en torno a un sitio web: se suponía que el algoritmo mostraría anuncios dirigidos a los visitantes que visitan la página con más frecuencia, sin saber qué visitantes la visitarían de antemano. Este es el llamado problema de estimación del máximo (EMX).
Según los investigadores, las raíces del problema matemático pueden estar en la estructura del algoritmo de aprendizaje conocido como "aprendizaje probabilísticamente aproximadamente correcto" o PAC. También es muy similar a la paradoja matemática llamada hipótesis del continuo. Al igual que los teoremas de completitud, esta hipótesis está relacionada con las matemáticas, que no pueden demostrarse en el marco de un sistema verdadero / falso. Hipotéticamente, incluso para el algoritmo más perfecto, este es un callejón sin salida, del que no puede salir. Los matemáticos reconocen que la imposibilidad de demostrarlo es una carga que ahora tendrán que soportar las máquinas. Lev Reizin, que no participó en el estudio, señala que estas medidas "pueden enseñar a la IA la humildad, incluso si continúa revolucionando el mundo que nos rodea".
Vasily Makarov
