Las organizaciones que buscan beneficiarse de la revolución de la inteligencia artificial (IA) deben tener cuidado al poner todos sus huevos en una canasta. ha encontrado un estudio de la Universidad de Waterloo.

En un estudio publicado en Inteligencia de la máquina de la naturaleza , Los investigadores de Waterloo encontraron que, contrariamente a la sabiduría convencional, No puede haber un método exacto para decidir si un problema determinado puede resolverse con éxito mediante herramientas de aprendizaje automático.

"Tenemos que proceder con precaución, "dijo Shai Ben-David, autor principal del estudio y profesor de la Facultad de Ciencias de la Computación de Waterloo. "Existe una gran tendencia de herramientas que tienen mucho éxito, pero nadie entiende por qué tienen éxito, y nadie puede ofrecer garantías de que seguirán teniendo éxito.

"En situaciones en las que solo se requiere una respuesta de sí o no, sabemos exactamente lo que pueden o no pueden hacer los algoritmos de aprendizaje automático. Sin embargo, cuando se trata de configuraciones más generales, no podemos distinguir las tareas que se pueden aprender de las que no se pueden aprender ".

En el estudio, Ben-David y sus colegas consideraron un modelo de aprendizaje llamado estimación del máximo (EMX), que captura muchas tareas comunes de aprendizaje automático. Por ejemplo, tareas como identificar el mejor lugar para ubicar un conjunto de instalaciones de distribución para optimizar su accesibilidad para futuros consumidores esperados. La investigación encontró que ningún método matemático podría decir, dada una tarea en ese modelo, si una herramienta basada en IA podría manejar esa tarea o no.

"Este hallazgo es una sorpresa para la comunidad de investigadores, ya que durante mucho tiempo se ha creído que una vez que se proporciona una descripción precisa de una tarea, luego se puede determinar si los algoritmos de aprendizaje automático podrán aprender y realizar esa tarea, "dijo Ben-David.

El estudio, La capacidad de aprendizaje puede ser indecidible, fue coautor de Ben-David, Pavel Hrubeš del Instituto de Matemáticas de la Academia de Ciencias de la República Checa, Shay Morgan del Departamento de Ciencias de la Computación, Universidad de Princeton, Amir Shpilka, Departamento de Ciencias de la Computación, Universidad de Tel Aviv, y Amir Yehudayoff del Departamento de Matemáticas, Technion-IIT.