Un estudio de la Universidad de Waterloo ha encontrado que las organizaciones que buscan beneficiarse de la revolución de la inteligencia artificial IA deben tener cuidado al poner todos sus huevos en una sola canasta.
En un estudio publicado en Inteligencia de la máquina de la naturaleza , los investigadores de Waterloo descubrieron 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 en la Facultad de Ciencias de la Computación de Waterloo. "Hay una gran tendencia de herramientas que tienen mucho éxito, pero nadie entiende por quétienen éxito y nadie puede garantizar que continuarán teniendo éxito.
"En situaciones en las que solo se requiere una respuesta de sí o no, sabemos exactamente qué pueden o no pueden hacer los algoritmos de aprendizaje automático. Sin embargo, cuando se trata de configuraciones más generales, no podemos distinguir las tareas aprendibles de las tareas no aprendibles"
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 optimizarsu accesibilidad para los 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 investigadora ya que durante mucho tiempo se creyó que una vez que se proporciona una descripción precisa de una tarea, se puede determinar si los algoritmos de aprendizaje automático podrán aprender y llevar a cabo esa tarea,"dijo Ben-David.
Ben-David, Pavel Hrubeš del Instituto de Matemáticas de la Academia de Ciencias de la República Checa, Shay Morgan del Departamento de Informática de la Universidad de Princeton, fueron coautores del estudio "El aprendizaje puede ser indecidible"Amir Shpilka, Departamento de Ciencias de la Computación, Universidad de Tel Aviv, y Amir Yehudayoff del Departamento de Matemáticas, Technion-IIT.
Fuente de la historia :
Materiales proporcionado por Universidad de Waterloo . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :