Organisaties die willen profiteren van de kunstmatige intelligentie (AI)-revolutie, moeten voorzichtig zijn om al hun eieren in één mand te leggen, een studie van de Universiteit van Waterloo heeft gevonden.

In een studie gepubliceerd in Intelligentie van de natuurmachine , Waterloo-onderzoekers ontdekten dat, in tegenstelling tot conventionele wijsheid, er kan geen exacte methode zijn om te beslissen of een bepaald probleem met succes kan worden opgelost door machine learning-tools.

"We moeten voorzichtig te werk gaan, " zei Shai Ben-David, hoofdauteur van de studie en een professor in Waterloo's School of Computer Science. "Er is een grote trend van tools die zeer succesvol zijn, maar niemand begrijpt waarom ze succesvol zijn, en niemand kan garanties geven dat ze succesvol zullen blijven.

"In situaties waarin alleen een ja of nee antwoord vereist is, we weten precies wat wel en niet kan met algoritmen voor machine learning. Echter, als het gaat om meer algemene instellingen, we kunnen geen onderscheid maken tussen leerbare en niet-leerbare taken."

In de studie, Ben-David en zijn collega's overwogen een leermodel genaamd estimating the maximum (EMX), die veel veelvoorkomende machine learning-taken vastlegt. Bijvoorbeeld, taken zoals het identificeren van de beste plaats om een ​​reeks distributiefaciliteiten te lokaliseren om hun toegankelijkheid voor toekomstige verwachte consumenten te optimaliseren. Uit het onderzoek bleek dat geen enkele wiskundige methode ooit zou kunnen vertellen, een taak in dat model gegeven, of een op AI gebaseerde tool die taak aankan of niet.

"Deze bevinding komt als een verrassing voor de onderzoeksgemeenschap, omdat lang werd aangenomen dat zodra een nauwkeurige beschrijving van een taak is gegeven, dan kan worden bepaald of machine learning-algoritmen die taak kunnen leren en uitvoeren, ' zei Ben David.

De studie, Leerbaarheid kan onbeslisbaar zijn, was co-auteur van Ben-David, Pavel Hrubeš van het Instituut voor Wiskunde van de Academie van Wetenschappen in Tsjechië, Shay Morgan van de afdeling Informatica, Princeton Universiteit, Amir Shpilka, Afdeling Informatica, Universiteit van Tel Aviv, en Amir Yehudayoff van de afdeling Wiskunde, Technion-IIT.