Les organisations qui cherchent à tirer parti de la révolution de l'intelligence artificielle (IA) doivent être prudentes et ne pas mettre tous leurs œufs dans le même panier, a révélé une étude de l'Université de Waterloo.

Dans une étude publiée dans Nature Machine Intelligence , Les chercheurs de Waterloo ont découvert que contrairement à la sagesse conventionnelle, il ne peut y avoir de méthode exacte pour décider si un problème donné peut être résolu avec succès par des outils d'apprentissage automatique.

« Nous devons procéder avec prudence, " a déclaré Shai Ben-David, auteur principal de l'étude et professeur à la School of Computer Science de Waterloo. « Il y a une grande tendance des outils qui ont beaucoup de succès, mais personne ne comprend pourquoi ils réussissent, et personne ne peut garantir qu'ils continueront à réussir.

"Dans les situations où il suffit de répondre par oui ou par non, nous savons exactement ce qui peut ou ne peut pas être fait par les algorithmes d'apprentissage automatique. Cependant, en ce qui concerne les configurations plus générales, nous ne pouvons pas distinguer les tâches apprenantes des tâches non apprenantes."

Dans l'étude, Ben-David et ses collègues ont envisagé un modèle d'apprentissage appelé estimation du maximum (EMX), qui capture de nombreuses tâches courantes d'apprentissage automatique. Par exemple, des tâches telles que l'identification du meilleur endroit pour localiser un ensemble d'installations de distribution afin d'optimiser leur accessibilité pour les futurs consommateurs attendus. La recherche a révélé qu'aucune méthode mathématique ne serait jamais capable de dire, une tâche dans ce modèle, si un outil basé sur l'IA pouvait gérer cette tâche ou non.

"Cette découverte surprend la communauté des chercheurs car on a longtemps cru qu'une fois qu'une description précise d'une tâche est fournie, il peut alors être déterminé si les algorithmes d'apprentissage automatique seront capables d'apprendre et d'effectuer cette tâche, " dit Ben-David.

L'étude, La capacité d'apprentissage peut être indécidable, a été co-écrit par Ben-David, Pavel Hrubeš de l'Institut de mathématiques de l'Académie des sciences de la République tchèque, Shay Morgan du Département d'informatique, Université de Princeton, Amir Shpilka, Département d'informatique, Université de Tel-Aviv, et Amir Yehudayoff du Département de mathématiques, Technion-IIT.