Los Matemáticos Cuestionaron La Omnipotencia De La Inteligencia Artificial - Vista Alternativa

Los Matemáticos Cuestionaron La Omnipotencia De La Inteligencia Artificial - Vista Alternativa
Los Matemáticos Cuestionaron La Omnipotencia De La Inteligencia Artificial - Vista Alternativa

Vídeo: Los Matemáticos Cuestionaron La Omnipotencia De La Inteligencia Artificial - Vista Alternativa

Vídeo: Los Matemáticos Cuestionaron La Omnipotencia De La Inteligencia Artificial - Vista Alternativa
Vídeo: Taller de Matemáticas y Programación para Inteligencia Artificial 2024, Octubre
Anonim

Los matemáticos israelíes han demostrado que la inteligencia artificial está lejos de ser siempre capaz de encontrar patrones en conjuntos de datos o dar respuestas inequívocas a cualquier pregunta. Sus hallazgos fueron presentados en la revista Nature Machine Intelligence.

Los sistemas modernos de aprendizaje automático e inteligencia artificial funcionan según un principio muy simple. Gradualmente aprenden a "ver" ciertos patrones y a distinguir las respuestas correctas de las incorrectas utilizando extensas bases de datos preparadas por humanos.

Inicialmente, este enfoque se utilizó principalmente para crear sistemas de reconocimiento de imágenes. Posteriormente, resultó que se puede aplicar a casi todo, desde las IA "creativas", capaces de dibujar y crear música por sí mismas, hasta la máquina AlphaZero, que puede aprender sin la ayuda de personas y jugar varios juegos de mesa, conociendo solo sus reglas.

Tales éxitos, señala Yehudayoff, han obligado a programadores, filósofos y matemáticos a preguntarse si este método de resolución de problemas tiene límites y si una inteligencia artificial extremadamente "general" puede encontrar un patrón en cualquier conjunto arbitrario de datos y responder todas las preguntas posibles.

norte

Los matemáticos israelíes intentaron averiguar si esto es realmente así mediante el análisis de las versiones más generales de varios problemas matemáticos que ahora se resuelven activamente utilizando sistemas de aprendizaje automático.

Su atención se ha centrado en las versiones de inteligencia artificial que intentan predecir valores máximos utilizando conjuntos de datos incompletos. Por ejemplo, estas máquinas intentan adivinar las preferencias de los visitantes de un sitio en particular y seleccionar los anuncios que serían interesantes para la mayoría de ellos.

Al presentar este problema como una colección de varios conjuntos grandes y pequeños, Yehudaioff y sus colegas encontraron que era similar en su descripción al famoso teorema de Gödel. En 1940, el famoso matemático austriaco Kurt Gödel descubrió que cualquier sistema formal, incluidas las matemáticas en sí, es incompleto o contradictorio.

En otras palabras, esto significa que para los sistemas de aprendizaje automático, así como para los matemáticos "simples", existen problemas, afirmaciones y preguntas que no pueden resolverse, probarse ni refutarse sin ir más allá de sus límites.

Video promocional:

En este caso, por ejemplo, es imposible predecir si la inteligencia artificial puede ser "entrenada" para hacer coincidir los anuncios de manera ideal utilizando el conocimiento de las preferencias de solo un número pequeño y arbitrario de visitantes. Dependiendo de qué visitantes del portal se incluirán en esta muestra, este problema se puede resolver y no se puede resolver.

Como enfatizan los científicos, desde un punto de vista práctico, este descubrimiento no afecta de ninguna manera la forma en que la inteligencia artificial se desarrollará activamente en el futuro y qué tan bien resolverá los problemas prácticos. Por otro lado, la presencia de tales restricciones sugiere que será mucho más difícil crear una máquina "pensante" universal capaz de resolver cualquier problema de lo que los científicos creen hoy.

Recomendado: