در این یادداشت به بررسی و تحلیل پژوهش های اخیر در زمینه هوش مصنوعی می پردازیم ، پژوهش هایی که قابلیت های هوش مصنوعی را در بن بستی نشان می دهند !!
سازمان هایی که به دنبال استفاده از هوش مصنوعی هستند ، باید کمی محتاط تر عمل کنند و همه ی تخم مرغ هایشان را در یک سبد نگذارند !!
یک مطالعه از دانشگاه واترلو که به تازگی در نشریه Nature Machine Intelligence به چاپ رسیده است ، نشان می دهد که برخلاف هوش انسان ، راه دقیق و مشخصی وجود ندارد که بتوان هوش ابزارهای ماشینی در حال یادگیری را ارزیابی کنیم !!
برای مثال ؛ بفهمیم که آیا ماشین می تواند یک مسئله خاص را به درستی حل نماید و یا خیر .
پروفسور شان بن دیوید ، سرپرست این پژوهش و استاد دانشگاه علوم کامپیوتری واترلو می گوید :
ما باید با احتیاط پیش برویم ! ابزارهای بسیاری وجود دارند که کاملا موفق عمل می کنند ، اما هیچکس نمی داند چرا این ابزارها موفق هستند و هیچکس نمی تواند تضمین کند موفقیت این ابزارها همیشگی باشد .
وی همچنین در ادامه سخنان خویش افزود ؛
هنگامی که ماشینی در حال یادگیری یک الگوریتم می باشد ، در موقعیت هایی که فقط یک پاسخ بله یا خیر لازم است ، ما دقیقا می دانیم چه کاری با ماشین قابل انجام یا غیرقابل انجام می باشد اما هنگامی که به شرایط حاد و پیچیده تر می رسیم ، نمی توانیم وظایف قابل یادگیری ماشین را از وظایفی که برای آن غیرقابل یادگیری است ، تفکیک کنیم !
در این پژوهش ، بن دیوید و همکارانش یک مدل یادگیری با نام تخمین حداکثر ( EMX ) را مورد بررسی قرار دادند که بسیاری از وظایف یادگیری ماشین را ارزیابی می کند . مثالی از تخمین حداکثر ؛ شناسایی بهترین محل برای بنا کردن تسهیلات توزیع است که مصرف کننده های آتی ، حداکثر دسترسی مطلوب را به آن داشته باشند .
این پژوهش نشان داد که هیچ روش ریاضیاتی هرگز قادر نیست پیش بینی کند که آیا وظایفی از این دست برای ابزاری که با هوش مصنوعی کار می کند به درستی قابل انجام خواهد بود و یا خیر !!
پروفسور بن دیوید می گوید :
یافته ما برای جامعه پژوهشگران کاملا غافلگیر کننده است . زیرا مدت هاست که تصور می شود چنانچه تعریف دقیقی از یک وظیفه مشخص داشته باشیم ، می توانیم پیش بینی کنیم که آیا ماشینی که در حال یادگیری الگوریتم هاست قادر خواهد بود این وظیفه را انجام دهد یا خیر .
این پژوهش و مقاله ، با عنوان جالبی در مجلهNature Machine Intelligence چاپ شده است ؛ آموزش پذیر قابل پیش بینی نیست !!