哥本哈根大学的研究职员有了一个打破性的创造，他们用数学方法证明，除了基本问题之外，不可能开拓出始终稳定的人工智能算法。
这项研究可以为改进算法测试协议铺平道路，凸显机器处理与人类智能之间的内在差异。

描述该成果的科学文章已获准在国际领先的理论打算机科学会议上揭橥。

机器能比年夜夫更准确地解读医学扫描图像，翻译外语，不久还能比人类更安全地驾驶汽车。
然而，再好的算法也有弱点。
哥本哈根大学打算机科学系的一个研究小组试图揭示这些弱点。

以自动驾驶汽车读取路标为例。
如果有人在路标上贴了标签，这不会分散人类驾驶员的把稳力。
但机器可能会很随意马虎分心，由于现在的路标与它接管过演习的路标不同。

\公众我们希望算法是稳定的，即输入稍有变革，输出险些保持不变。
\"大众该小组卖力人阿米尔-耶胡达约夫（Amir Yehudayoff）教授说：\"大众现实生活中存在着各种各样的噪音，人类习气于忽略这些噪音，而机器却会感到困惑。
\公众

谈论弱点的措辞

作为天下首例，该研究小组与其他国家的研究职员一起用数学方法证明，除了大略的问题外，不可能创建始终稳定的机器学习算法。
描述这一成果的科学文章已被批准在打算机科学理论的紧张国际会议之一《打算机科学根本》（FOCS）上揭橥。

\公众我想指出的是，我们并没有直接研究过自动驾驶汽车的运用。
不过，这彷佛是一个过于繁芜的问题，算法不可能始终保持稳定性。
\"大众阿米尔-耶胡达约夫说，并补充说，这并不一定意味着会对自动驾驶汽车的发展造成重大影响：如果算法只在极少数情形下出错，这很可能是可以接管的。
但如果它在大量情形下都出错，那便是坏了\公众。

业界无法利用这篇科学文章来识别其算法中的漏洞。
教授阐明说，这并不是他的本意：

\公众我们正在开拓一种谈论机器学习算法弱点的措辞。
这可能会导致制订描述如何测试算法的指南。
从长远来看，这可能会再次促进更好、更稳定算法的开拓。
\公众

从直觉到数学

一个可能的运用是测试保护数字隐私的算法。

\"大众有些公司可能声称已经开拓出绝对安全的隐私保护办理方案。
首先，我们的方法可能有助于确定办理方案不可能绝对安全。
其次，它还能找出弱点，\"大众Amir Yehudayoff 说。

不过，科学文章首先要对理论有所贡献。
他补充说，尤其是数学内容具有首创性：\"大众我们凭直觉就能理解，一个稳定的算法在受到少量输入噪声影响时，该当能像以前一样正常事情。
就像贴了贴纸的路标一样。
但作为理论打算机科学家，我们须要一个确定的定义。
我们必须能够用数学措辞来描述这个问题。
如果我们要承认算法是稳定的，那么算法究竟必须能够承受多少噪音，输出又该当有多靠近原始输出？这便是我们提出的答案\公众。

牢记局限性很主要

这篇科学文章引起了理论打算机科学领域同行的极大兴趣，但科技行业却没有。
至少目前还没有。

阿米尔-耶胡达约夫笑着补充说：\公众你总是该当预见到，在新的理论发展和运用职员的兴趣之间会有一些延迟：而有些理论发展将永久不被关注\"大众。

不过，他认为这种情形不会发生：\公众机器学习的发展日月牙异，但主要的是要记住，纵然是在现实天下中非常成功的办理方案也有其局限性。
机器有时看似能够思考，但毕竟不具备人类的聪慧。
这一点必须牢记。
\"大众

编译自/scitechdaily