Os matemáticos israelenses provaram que a inteligência artificial está longe de ser sempre capaz de encontrar padrões em conjuntos de dados ou dar respostas inequívocas a quaisquer perguntas. Suas descobertas foram apresentadas na revista Nature Machine Intelligence.
Os sistemas modernos de aprendizado de máquina e inteligência artificial operam em um princípio muito simples. Gradualmente, eles aprendem a "ver" certos padrões e a distinguir as respostas corretas das incorretas, usando extensos bancos de dados preparados por humanos.
Inicialmente, essa abordagem foi usada principalmente para criar sistemas de reconhecimento de imagem. Posteriormente, descobriu-se que pode ser usado para quase tudo, desde IAs “criativos”, capazes de desenhar e criar música por conta própria, à máquina AlphaZero, que pode aprender sem a ajuda de pessoas e jogar vários jogos de tabuleiro, sabendo apenas suas regras.
Esses sucessos, observa Yehudayoff, forçaram programadores, filósofos e matemáticos a se perguntarem se esse método de resolução de problemas tem limites e se uma inteligência artificial extremamente "geral" pode encontrar um padrão em qualquer conjunto arbitrário de dados e responder a todas as perguntas possíveis.
Os matemáticos israelenses tentaram descobrir se isso é realmente verdade, analisando as versões mais gerais de vários problemas matemáticos que são ativamente resolvidos hoje usando sistemas de aprendizado de máquina.
Sua atenção foi atraída para versões de inteligência artificial que tentam prever valores máximos usando conjuntos de dados incompletos. Por exemplo, essas máquinas tentam adivinhar as preferências dos visitantes de um determinado site e selecionar os anúncios que seriam interessantes para a maioria deles.
Ao apresentar este problema como uma coleção de vários conjuntos grandes e pequenos, Yehudaioff e seus colegas descobriram que era semelhante em sua descrição ao famoso teorema de Gödel. Em 1940, o famoso matemático austríaco Kurt Gödel descobriu que qualquer sistema formal, incluindo a própria matemática, é incompleto ou contraditório.
Em outras palavras, isso significa que para sistemas de aprendizado de máquina, assim como para matemáticos “simples”, existem problemas, afirmações e questões que não podem ser resolvidas, nem comprovadas, nem refutadas sem ir além delas.
Vídeo promocional:
Nesse caso, por exemplo, é impossível prever se a inteligência artificial pode ser “treinada” para combinar anúncios de maneira ideal usando o conhecimento das preferências de apenas um número pequeno e arbitrário de visitantes. Dependendo de quais visitantes do portal serão incluídos nesta amostra, esse problema pode ser resolvido e não resolvido.
Como os cientistas enfatizam, do ponto de vista prático, essa descoberta não afeta de forma alguma o quão ativamente a inteligência artificial se desenvolverá no futuro e quão bem ela resolverá problemas práticos. Por outro lado, a presença de tais restrições sugere que será muito mais difícil criar uma máquina "pensante" universal capaz de resolver quaisquer problemas do que os cientistas acreditam hoje.
