滑鐵盧研究人員發現，與傳統的人類智慧相比，目前還沒有確切的方法可以確定機器學習工具是否能夠成功解決一些特定的問題。

“我們必須謹慎行事，”該研究報告的第一作者、滑鐵盧計算機科學學院的教授Shai Ben-David說，“即便現在的大趨勢是人工智能化，但沒有人理解這些人工智能是如何運作的，因此也沒有人能夠保證他們能繼續取得成功。在答案只需要是或否的情況下，我們能夠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，我們還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，找到一組配送設施的最佳位置以優化其對潛在消費者的可訪問性的任務。研究發現，該模型的任務是判斷基于人工智能的工具是否能夠處理該任務，而結果是根本無法評估的。

“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。” Ben-David說。

這個研究報告，由Ben-David、普林斯頓大學計算機科學系的Shay Morgan、Amir等人合著。