p As organizações que buscam se beneficiar da revolução da inteligência artificial (IA) devem ser cautelosas ao colocar todos os ovos na mesma cesta, um estudo da Universidade de Waterloo descobriu. p Em um estudo publicado em Nature Machine Intelligence , Os pesquisadores de Waterloo descobriram que, ao contrário da sabedoria convencional, não pode haver um método exato para decidir se um determinado problema pode ser resolvido com sucesso por ferramentas de aprendizado de máquina.

p "Temos que proceder com cautela, "disse Shai Ben-David, autor principal do estudo e professor da Escola de Ciência da Computação de Waterloo. “Existe uma grande tendência de ferramentas que fazem muito sucesso, mas ninguém entende por que eles têm sucesso, e ninguém pode dar garantias de que continuarão a ter sucesso.

p "Em situações em que apenas uma resposta sim ou não é necessária, sabemos exatamente o que pode ou não ser feito por algoritmos de aprendizado de máquina. Contudo, quando se trata de configurações mais gerais, não podemos distinguir tarefas que podem ser aprendidas das que não podem ser aprendidas. "

p No estudo, Ben-David e seus colegas consideraram um modelo de aprendizagem chamado estimativa do máximo (EMX), que captura muitas tarefas comuns de aprendizado de máquina. Por exemplo, tarefas como identificar o melhor lugar para localizar um conjunto de instalações de distribuição para otimizar sua acessibilidade para os consumidores futuros esperados. A pesquisa descobriu que nenhum método matemático seria capaz de dizer, dada uma tarefa nesse modelo, se uma ferramenta baseada em IA poderia lidar com essa tarefa ou não.

p "Esta descoberta é uma surpresa para a comunidade de pesquisa, uma vez que há muito se acredita que, uma vez fornecida uma descrição precisa de uma tarefa, pode então ser determinado se os algoritmos de aprendizado de máquina serão capazes de aprender e realizar essa tarefa, "disse Ben-David.

p O estudo, A capacidade de aprendizagem pode ser indecidível, foi coautor de Ben-David, Pavel Hrubeš do Instituto de Matemática da Academia de Ciências da República Tcheca, Shay Morgan, do Departamento de Ciência da Computação, Universidade de Princeton, Amir Shpilka, Departamento de Ciência da Computação, Universidade de Tel Aviv, e Amir Yehudayoff do Departamento de Matemática, Technion-IIT.