Problem dotyczy uczenia maszynowego – rodzaju sztucznej inteligencji używanego przez niektóre komputery do „uczenia się”, jak wykonać określone zadanie.
Kiedy Facebook czy Google rozpoznają nasze zdjęcie i sugerują, żeby się pod nim oznaczyć, używają wtedy uczenia maszynowego. Naukowcy wykorzystują je nawet do „czytania” czyichś myśli. Rzecz w uczeniu maszynowym polega na tym, że bazuje ono na matematyce. W rezultacie matematycy mogą je studiować i rozumieć na poziomie teoretycznym. Mogą pisać dowody na temat tego, jak działa uczenie maszynowe, które można zastosować w każdym przypadku. Tutaj zespół matematyków opracował problem dla algorytmu zwanego EMX.
Aby zrozumieć, w jaki sposób działa system EMX, wyobraźmy sobie, że chcemy umieszczać reklamy na naszej stronie i zmaksymalizować liczbę użytkowników, którzy będą celem tych reklam. Mamy reklamy dla fanów sportu, miłośników kotów czy fanatyków samochodów.. Ale nie wiemy z góry, kto będzie odwiedzał tę stronę. Jak wybrać odpowiednie bannery, które pozwolą zmaksymalizować liczbę wybranych użytkowników? EMX musiał wymyślić odpowiedź za pomocą niewielkiej ilości danych. Następnie badacze zadali pytanie: kiedy EMX może rozwiązać problem?
Okazuje się, że EMX może rozwiązać problem tylko wtedy, gdy tzw. hipoteza continuum jest prawdziwa. Ale jeśli nie jest, EMX nie może rozwiązać problemu. Dobrą wiadomością jest to, że rozwiązanie hipotezy continuum nie jest szczególnie ważne dla większości matematycznych zagadnień. Nie musi więc to stanowić poważnej przeszkody dla rozwoju uczenia maszynowego. „Ponieważ EMX jest nowym modelem, nie znamy jeszcze jego przydatności w opracowywaniu rzeczywistych algorytmów”, napisał Lev Reyzin, profesor matematyki na Uniwersytecie Illinois w Chicago.
[Źródło: livescience.com]
Czytaj też: Uczenie maszynowe przewidzi jak długo będziecie żyli
