滑鐵盧研究人員在Nature Machine Intelligence發表的一項研究中發現，與傳統智慧相反，沒有確切的方法來決定是否可以通過機器學習工具成功解決特定問題。

“我們必須謹慎行事，”該研究的第一作者，滑鐵盧計算機科學學院的教授Shai Ben-David說。“有一個非常成功的工具的大趨勢，但沒有人理解他們為什么成功，沒有人能夠保證他們將繼續取得成功。

“在只需要答案是肯定或不答案的情況下，我們確切地知道機器學習算法能夠做什么或不能做什么。但是，當談到更一般的設置時，我們無法區分可學習和不可學習的任務。”

在這項研究中，Ben-David和他的同事考慮了一種稱為估計最大值(EMX)的學習模型，它捕獲了許多常見的機器學習任務。例如，確定找到一組配送設施的最佳位置以優化其對未來預期消費者的可訪問性的任務。研究發現，鑒于該模型中的任務，基于AI的工具是否能夠處理該任務，任何數學方法都無法說明。

“這一發現令研究界感到意外，因為長期以來人們一直認為，一旦提供了對任務的精確描述，就可以確定機器學習算法是否能夠學習并執行該任務，”本 - 大衛。

這項研究“可學習性可以不可判斷”，由Ben-David，捷克共和國科學院數學研究所的PavelHrubeš，普林斯頓大學計算機科學系的Shay Morgan，Amir Shpilka共同撰寫。 ，特拉維夫大學計算機科學系，以及Technion-IIT數學系的Amir Yehudayoff。