滑鐵盧大學(xué)的一項(xiàng)研究發(fā)現(xiàn)，希望從人工智能(ai)革命中受益的組織應(yīng)謹(jǐn)慎將所有雞蛋放在一個(gè)籃子里。

滑鐵盧研究人員在nature machine intelligence發(fā)表的一項(xiàng)研究中發(fā)現(xiàn)，與傳統(tǒng)智慧相反，沒有確切的方法來決定是否可以通過機(jī)器學(xué)習(xí)工具成功解決特定問題。

“我們必須謹(jǐn)慎行事，”該研究的第一作者，滑鐵盧計(jì)算機(jī)科學(xué)學(xué)院的教授shai ben-david說。“有一個(gè)非常成功的工具的大趨勢，但沒有人理解他們?yōu)槭裁闯晒?，沒有人能夠保證他們將繼續(xù)取得成功。

“在只需要答案是肯定或不答案的情況下，我們確切地知道機(jī)器學(xué)習(xí)算法能夠做什么或不能做什么。但是，當(dāng)談到更一般的設(shè)置時(shí)，我們無法區(qū)分可學(xué)習(xí)和不可學(xué)習(xí)的任務(wù)。”

在這項(xiàng)研究中，ben-david和他的同事考慮了一種稱為估計(jì)最大值(emx)的學(xué)習(xí)模型，它捕獲了許多常見的機(jī)器學(xué)習(xí)任務(wù)。例如，確定找到一組配送設(shè)施的最佳位置以優(yōu)化其對未來預(yù)期消費(fèi)者的可訪問性的任務(wù)。研究發(fā)現(xiàn)，鑒于該模型中的任務(wù)，基于ai的工具是否能夠處理該任務(wù)，任何數(shù)學(xué)方法都無法說明。

“這一發(fā)現(xiàn)令研究界感到意外，因?yàn)殚L期以來人們一直認(rèn)為，一旦提供了對任務(wù)的精確描述，就可以確定機(jī)器學(xué)習(xí)算法是否能夠?qū)W習(xí)并執(zhí)行該任務(wù)，”本 - 大衛(wèi)。

這項(xiàng)研究“可學(xué)習(xí)性可以不可判斷”，由ben-david，捷克共和國科學(xué)院數(shù)學(xué)研究所的pavelhrubeš，普林斯頓大學(xué)計(jì)算機(jī)科學(xué)系的shay morgan，amir shpilka共同撰寫。 ，特拉維夫大學(xué)計(jì)算機(jī)科學(xué)系，以及technion-iit數(shù)學(xué)系的amir yehudayoff。