Le organizzazioni che cercano di trarre vantaggio dalla rivoluzione dell'intelligenza artificiale (AI) dovrebbero essere caute nel mettere tutte le loro uova nello stesso paniere, lo ha scoperto uno studio dell'Università di Waterloo.

In uno studio pubblicato su Intelligenza della macchina della natura , I ricercatori di Waterloo hanno scoperto che contrariamente alla saggezza convenzionale, non può esistere un metodo esatto per decidere se un determinato problema può essere risolto con successo da strumenti di apprendimento automatico.

"Dobbiamo procedere con cautela, " disse Shai Ben-David, autore principale dello studio e professore alla Waterloo's School of Computer Science. "C'è una grande tendenza di strumenti che hanno molto successo, ma nessuno capisce perché hanno successo, e nessuno può fornire garanzie che continueranno ad avere successo.

"Nelle situazioni in cui è richiesta solo una risposta sì o no, sappiamo esattamente cosa può o non può essere fatto dagli algoritmi di apprendimento automatico. Però, quando si tratta di configurazioni più generali, non possiamo distinguere i compiti apprendibili da quelli non apprendibili."

Nello studio, Ben-David e i suoi colleghi hanno preso in considerazione un modello di apprendimento chiamato stima del massimo (EMX), che cattura molte attività comuni di apprendimento automatico. Per esempio, compiti come identificare il posto migliore per individuare una serie di strutture di distribuzione per ottimizzare la loro accessibilità per i futuri consumatori attesi. La ricerca ha scoperto che nessun metodo matematico sarebbe mai stato in grado di dire, dato un compito in quel modello, se uno strumento basato sull'intelligenza artificiale potrebbe gestire quell'attività o meno.

"Questa scoperta è una sorpresa per la comunità di ricerca poiché si è creduto a lungo che una volta fornita una descrizione precisa di un compito, si può quindi determinare se gli algoritmi di apprendimento automatico saranno in grado di apprendere e svolgere tale compito, ", ha detto Ben David.

Lo studio, La capacità di apprendimento può essere indecidibile, è stato co-autore di Ben-David, Pavel Hrubeš dell'Istituto di matematica dell'Accademia delle scienze della Repubblica Ceca, Shay Morgan del Dipartimento di Informatica, Università di Princeton, Amir Shpilka, Dipartimento di Informatica, Università di Tel Aviv, e Amir Yehudayoff del Dipartimento di Matematica, Technion-IIT.