从数学悖论中凸显的AI极限

举例来说：原理

AI的致命性缺陷

深达求学是一种使用模式识别的AI关键技术，这是一种恰巧全面进到物理推算领域的成功关键技术。我们恰巧许多的有的新闻报导中看到它的身影，比如说它能够比外科医生更吻合地诊断性疾病，又比如说它能通过自动驾驶传染病车祸等等。然而，许多深达求学种系统是不世人信赖的，它们很较难被撒谎。

这使得AI种系统就像一些过度自信心的全人类一样，常不具备远超其实际能力的自信心。而全人类还非常善于注意到自己的错误，但许多AI根本很难知道自己在什么时候犯了错。对AI种系统来说，有时意识到自己犯了错甚至比造成了一个恰巧确的结果还要不便。

这种不牢固性是当今AI的致命性缺陷，也是一个断言。这个断言可以回溯到20世纪的两位数学分析鬼才——断定性（Alan Turing）和哥德尔（Kurt Gödel）。20世纪初，数学分析家们恰巧试图断定数学分析是统一物理的星战自然语言。然而，断定性和哥德尔注意到了数学分析核心的一个断言：某些数学分析命题的真伪是不可能被断定的，而有些推算情况也很难用演算法来消除。

到了20世纪末，数学分析家莫里斯·斯梅尔（Steve Smale）指出了18个之前谜数学分析情况的清单，其中的就此一问所探讨的就是全人类和机器的智能临界值。这个情况至今并未给与消除，不过它将断定性和哥德尔最先指出的断言带入了AI的世界：数学分析发挥作用固有的基本临界值，相同地，AI演算法也有很难消除的情况。

AI的固有临界值

一项一新研究工作表明，AI普遍发挥作用固有的临界值，而这种临界值可归结于这个长达世纪之久的数学分析断言。研究工作医护人员通过扩展哥德尔和断定性指出的法则，展示出了推算机器学习的演算法所发挥作用的临界值。他们指出了一种类群论点，描述了在特定条件下，可以训练机器学习来提供佐证的AI种系统的情况下。

研究工作结果被登载在了近期的《美国国家物理院院刊》上。新研究工作指出，牢固、正确的机器学习发挥作用情况，且并未演算法可以造成了这样的网络。只有在特定的但会，演算法才能推算出牢固、正确的机器学习。

机器学习是AI领域最先进的来进行，之所以称之为“机器学习”，是因为它是对大脑神经元之间的联系的一种大致演示。在新研究工作中，研究工作医护人员对此虽然在某些但会，较差的机器学习可以发挥作用，但由于这种断言的发挥作用，我们很难成立一个固有可靠的机器学习。换句话说，无论我们使用构建一个机器学习的数据有多么吻合，都永远很难获得构建这个机器学习所需的令人难忘电子邮件。

与此同时，无论对多少数据的顺利进行训练，也都不可能推算出较差的除此以外机器学习。无论一个演算法能访问多少数据，它都不可能会生成所需的网络。这一点与断定性的观点相同：无论推算能力和普快如何，都发挥作用很难消除的推算情况。

研究工作医护人员对此，并不是所有的AI都有固有缺失。在某些但会，AI犯错误是完全并未情况的，但它无需诚实面对这些情况。然而，这并不是我们在许多种系统中所看到的情况下。

解释AI的根基

当我们尝试一些从前注意到它不起作用时，可能可能会紧其他从前希望它能起作用，然而如果当加到一定程度时仍不可给与想要的，我们就可能会选择尝试不同的法则。解释不同法则不具备各自的临界值是很重要的。现在，AI恰巧处于其实际成功远远领先其论点和对其解释的过渡阶段，因此我们于是在能够解释AI推算根基来弥补这一差距。

当20世纪的数学分析家注意到不同的断言时，他们并并未停止对数学分析的研究工作。他们必须找到一新道路，因为他们明白其中的临界值。相应地，在AI领域，这或许意味着无需改变切线或开发设计一新切线，从而构建出能以可靠且光亮的方式消除情况的，并同时了解它们的临界值的种系统。

研究工作医护人员的下一个过渡阶段是将相符合论点、数值分析和推算根基结合起来，来断定哪些机器学习是可以通过演算法推算的，以及哪些机器学习是可以变得牢固和佐证的。恰巧如哥德尔和断定性指出的关于数学分析和推算机临界值的断言助长的丰富多彩的根基论点，也许相同的根基论点可能可能会在AI中开花结果。

#创作开发设计团队：

撰文：小雨

排版：雯雯

#简介举例来说：

https：//www.cam.ac.uk/research/news/mathematical-paradox-demonstrates-the-limits-of-ai

https：//www.pnas.org/doi/10.1073/pnas.2107151119#sec-4

#图片举例来说：

海报图：julientromeur / Pixabay

首图：Chenspec / Pixabay

郑州看白癜风哪个医院比较好
北京男科医院哪家比较好
宁波看白癜风去哪家医院比较好
襄阳看妇科医院哪家最好
咸阳白癜风治疗费用多少钱