notícia Matemáticos descobriram um problema no computador que ninguém pode resolver

[SystSoftPcCelTv]

Matemáticos descobriram um problema no computador que ninguém pode resolver.

 

O matemático austríaco Kurt Gödel, no Instituto de Estudos Avançados. Crédito: Alfred Eisenstaedt / Coleção LIFE Picture / Getty Images

 

Os matemáticos descobriram um problema que não podem resolver. Não é que eles não sejam inteligentes o suficiente; simplesmente não há resposta.

O problema tem a ver com o aprendizado de máquina - o tipo de modelos de inteligência artificial que alguns computadores usam para "aprender" como realizar uma tarefa específica.

Quando o Facebook ou o Google reconhece uma foto sua e sugere que você marque a si mesmo, ela está usando aprendizado de máquina. Quando um carro autônomo navega em um cruzamento movimentado, isso é aprendizado de máquina em ação. Os neurocientistas usam aprendizado de máquina para "ler" os pensamentos de alguém . A coisa sobre aprendizado de máquina é que é baseado em matemática . E como resultado, os matemáticos podem estudá-lo e compreendê-lo em um nível teórico. Eles podem escrever provas sobre como funciona o aprendizado de máquina que são absolutos e aplicá-los em todos os casos. 

 

Nesse caso, uma equipe de matemáticos projetou um problema de aprendizado de máquina chamado "estimando o máximo" ou "EMX".

Para entender como o EMX funciona, imagine o seguinte: você deseja colocar anúncios em um site e maximizar quantos espectadores serão segmentados por esses anúncios. Você tem anúncios direcionados a fãs de esportes, amantes de gatos, fãs de carros e praticantes de exercício físico, etc. Mas você não sabe com antecedência quem visitará o site. Como você escolhe uma seleção de anúncios que maximizam o número de espectadores segmentados? A EMX precisa descobrir a resposta com apenas uma pequena quantidade de dados sobre quem visita o site.

Os pesquisadores então fizeram uma pergunta: Quando o EMX pode resolver um problema?

 

Em outros problemas de aprendizado de máquina, os matemáticos costumam dizer se o problema de aprendizado pode ser resolvido em um determinado caso com base no conjunto de dados que eles têm. O método subjacente que o Google usa para reconhecer seu rosto pode ser aplicado à previsão das tendências do mercado de ações? Eu não sei, mas alguém pode.

 

O problema é que a matemática está quebrada. Está quebrado desde 1931, quando o lógico Kurt Gödel publicou seus famosos teoremas da incompletude. Eles mostraram que, em qualquer sistema matemático, há certas questões que não podem ser respondidas. Eles não são realmente difíceis - eles são incognoscíveis. Os matemáticos aprenderam que sua capacidade de entender o universo era fundamentalmente limitada. Gödel e outro matemático chamado Paul Cohen encontraram um exemplo: a hipótese do contínuo.

 

A hipótese do continuum é assim: os matemáticos já sabem que existem infinidades de tamanhos diferentes. Por exemplo, existem infinitos números inteiros (números como 1, 2, 3, 4, 5 e assim por diante); e existem infinitos números reais (que incluem números como 1, 2, 3 e assim por diante, mas também incluem números como 1,8 e 5,222,7 e pi). Mas mesmo que existam infinitos números inteiros e infinitamente muitos números reais, há claramente mais números reais do que números inteiros. O que levanta a questão: existem infinitos maiores que o conjunto de inteiros, mas menores que o conjunto de números reais? A hipótese do contínuo diz, não, não há.

Gödel e Cohen mostraram que é impossível provar que a hipótese do contínuo está certa, mas também é impossível provar que está errado. "A hipótese do contínuo é verdadeira?" é uma pergunta sem resposta.

 

Em um artigo publicado na segunda-feira, 7 de janeiro, na revista Nature Machine Intelligence , os pesquisadores mostraram que o EMX está intrinsecamente ligado à hipótese do continuum.

Acontece que o EMX só pode resolver um problema se a hipótese do contínuo for verdadeira. Mas se não for verdade, o EMX não pode ... Isso significa que a pergunta "O EMX pode aprender a resolver esse problema?" tem uma resposta tão incognoscível quanto a própria hipótese do contínuo.

 

A boa notícia é que a solução para a hipótese do contínuo não é muito importante para a maioria das matemáticas. E, similarmente, esse mistério permanente pode não criar um grande obstáculo ao aprendizado de máquina.

 

"Porque EMX é um novo modelo na aprendizagem de máquina, nós ainda não sabemos a sua utilidade para o desenvolvimento de algoritmos do mundo real", Lev Reyzin, professor de matemática na Universidade de Illinois, em Chicago, que não funcionou no papel, escreveu em um artigo da Nature News & Views . "Portanto, esses resultados podem não ter importância prática", escreveu Reyzin.

Correr contra um problema insolúvel, escreveu Reyzin, é uma espécie de pena para os pesquisadores de aprendizado de máquina.

 

É uma evidência de que o aprendizado de máquina "amadureceu como uma disciplina matemática", escreveu Reyzin.

 

O aprendizado de máquina "agora se une aos muitos subcampos da matemática que lidam com o ônus da falta de proveito e do mal-estar que a acompanha", escreveu Reyzin. Talvez resultados como este tragam ao campo da aprendizagem automática uma dose saudável de humildade, mesmo que os algoritmos de aprendizado de máquina continuem a revolucionar o mundo à nossa volta. "

 

Nota do editor: Esta matéria foi atualizada  em 14 de janeiro às 14h15 para corrigir a definição da  hipótese do continuum. O artigo originalmente dizia que, se a hipótese do contínuo é verdadeira, então existem infinitos maiores que o conjunto de inteiros, mas menores que o conjunto de números reais. De fato, se a hipótese do contínuo é verdadeira, então não há infinidades maiores que o conjunto de inteiros, mas menores que o conjunto de números reais.

Originalmente publicado na Live Science .

 

fonte

 

[Savio Ramos]

Muito interessante. Ótima leitura.

[GNMilasi]

A hipótese do continuum foi o primeiro de uma lista de 23 problemas em matemática propostos pelo matemático alemão David Hilbert na conferência do Congresso Internacional de Matemáticos de Paris em 1900 que até hoje não foi resolvido!

 

Parabéns pelo excelente artigo, @SystSoftPcCelTv !!!

 

Abs!

[Kenny Rabugento]

@SystSoftPcCelTv  aprendizado de máquina

Hmmmmmmmm.....isso Me lembra alguma coisa kkkkkkkk

 

[GNMilasi]

Bom  dia, caro @eletrosr !!!!

 

Você poderia ser mais específico no seu raciocínio?

 

Muito obrigado!

 

Abs!

[Kenny Rabugento]

@GNMilasi  acho que sou jovem demais  era um bom passa-tempo quando eu não tinha muito o que fazer!

   Lembro-me de um joguinho da internet chamado akinator  (o gênio acima)

   Ele é um bom exemplo de uma aprendizado contínuo de máquina!

   Quanto mais as pessoas jogam com ele melhor ele fica acumulando o conhecimento que as pessoas o fornecem!

[GNMilasi]

Sim, @eletrosr !!!

 

Agora sim eu entendi sua citação!

 

Muito obrigado!

 

Abs!

[FDONATO]

Ótima leitura... Acredito que em um futuro distante o ser humano se tornará refém das máquinas, basta ver os avanços tecnológicos no campo de inteligencia artificial, sei lá... é uma coisa meio que obscura, são muitas possibilidades, temo que um dia nós podemos perder o controle de nossas vidas para as máquinas, temos que protótipos de carros que andam sozinhos, robôs que capazes de debater com seres humanos os mais diversos assuntos. quem se lembra da robô que debochou do Elon Musk? 

 

Quando isso acontecer, espero que eu já nao esteja  mais por aqui , deixa essa parada pro Jhon Conor resolver! kkk

hasta la vista baby!

[rodrigo.piedade]

Muito Bom ótima Leitura.

 

Valeu

[Arnaldo Luis de Souza]

OBRIGADO BOA LEITURA