Um grupo de matemáticos argumentou que a matemática improvável é uma barreira intransponível para algoritmos de aprendizado de máquina. Agora eles puderam provar isso na prática.
Nem tudo no mundo é cognoscível. Pelo menos isso se aplica a inteligência artificial e algoritmos de aprendizado de máquina. À primeira vista, tal declaração em nossa era de progresso pode soar como uma verdadeira heresia - mas, infelizmente, este é o caso. Um grupo internacional de matemáticos e pesquisadores de IA descobriu que, apesar do potencial aparentemente ilimitado do aprendizado de máquina, mesmo os algoritmos mais avançados são limitados por restrições matemáticas.
"As vantagens da matemática às vezes são construídas no fato de que … em termos simples, nem tudo é provável", escrevem os pesquisadores, liderados pelo cientista da computação Shai Ben-David, da Universidade de Waterloo. Eles argumentam que o aprendizado de máquina compartilha esse destino.
Como eles chegaram a essa conclusão? Restrições matemáticas são frequentemente associadas ao famoso matemático austríaco Kurt Gödel, que na década de 1930 desenvolveu teoremas da incompletude - duas suposições que mostram as limitações da aritmética formal (e, como consequência, qualquer sistema formal que usa os conceitos desta aritmética: 0 e 1, adição e multiplicação e números naturais). Uma nova pesquisa provou apenas que o aprendizado de máquina está preso à mesma estrutura.
No momento, a IA é literalmente limitada por matemática improvável. Em outras palavras, a inteligência artificial não pode resolver um problema cujo algoritmo não fornece uma solução "verdadeira" ou "falsa". O matemático Amir Yehudayov, do Technion-Israel Institute of Technology, em entrevista à revista Nature, admitiu que foi uma surpresa para os cientistas. O estudo foi construído em torno de um site: o algoritmo tinha que mostrar anúncios direcionados aos visitantes que visitam a página com mais frequência - sem saber com antecedência quais visitantes a visitariam. Este é o chamado problema de estimativa do máximo (EMX).
De acordo com os pesquisadores, as raízes do problema matemático podem estar na estrutura do algoritmo de aprendizagem conhecido como “aprendizagem aproximadamente correta de forma probabilística” ou PAC. Também é muito semelhante ao paradoxo matemático denominado hipótese do contínuo. Como os teoremas de completude, esta hipótese está relacionada à matemática, que não pode ser provada dentro da estrutura de um sistema verdadeiro / falso. Hipoteticamente, mesmo para o algoritmo mais perfeito, esse é um beco sem saída, do qual não pode sair. Os matemáticos reconhecem que a imprevisibilidade é um fardo que as máquinas agora terão de suportar. Lev Reizin, que não esteve envolvido no estudo, observa que essas medidas "podem ser capazes de ensinar humildade à IA, mesmo que continue a revolucionar o mundo ao nosso redor".
Vasily Makarov
