محدودیت‌های یادگیری ماشین؛ بخشی از دانش که کامپیوتر‌ها نمی‌توانند به آن نفوذ کنند

در جواب سؤال «چه صنایعی وجود دارند که یادگیری ماشین می‌توانست در آن‌ها پیاده‌سازی شود ،ولی هنوز نشده است؟» که در وب‌سایت Quora مطرح شده است؛ اورن هافمن، مدیر این وب‌سایت، نوشت:

در محدوده‌هایی از دانش که نیاز به اطلاعات تاریخی دارند. احتمالا این صنایع تا ۲۰ سال آینده تحت تأثیر یادگیری ماشین قرار نمی‌گیرند.

احتمالا تا ۲۰ سال آینده نیز به دانشمان در این حوزه چیزی افزوده نخواهد شد. علت این موضوع کمبود داده‌های موجود است. این بسیار سخت است که اطلاعاتی راجع به غذایی که انسان‌ها در دوره‌های مختلف خورده‌اند و تأثیر آن بر سلامت آن‌ها، رابطه آن با عادت‌های زندگی و دی‌ان‌ای به دست بیاوریم. این مجموعه داده امروزه در اختیار دانشمندان قرار ندارد و احتمالا تا ۲۰ سال آینده نیز قرار نخواهد گرفت. درنتیجه ماشین‌ها نیز در این زمینه نمی‌توانند پیشرفت کنند.

ممکن است فکر کنید ماشین‌ها در حوزه‌ی پیش‌بینی آب و هوا کمک بسیار زیادی به ما کرده‌اند؛ ولی واقعیت چیز دیگری است. اطلاعات بشر درباره‌ی علم پیش‌بینی آب و هوا بسیار ناچیز است. با وجود این‌که داده‌های خوبی از وضعیت آب و هوا از صد سال گذشته تاکنون در دست است، اما این داده‌ها کافی نیستند و حتی می‌توان گفت به‌اندازه‌ی کافی خوب نیستند.

داده‌های آب‌ و هوایی در دسترس بسیار ناقص و از نقاط محدودی در کره زمین به دست آمده‌اند. بسیاری از دماسنج‌ها تنظیم نیستند و در نور مستقیم خورشید یا در کنار یک منبع حرارت مانند نور مصنوعی قرار دارند و بقیه آن‌ها نیز در سایه یا کنار یک منبع خنک‌کننده قرار گرفته‌اند.

همچنین داده‌های موجود عمدتا به سطح زمین محدود می‌شوند و روش قابل اطمینانی برای جمع‌آوری این اطلاعات در عمق دریا یا در ارتفاعات وجود ندارد. البته دما تنها یک جنبه‌ی آب و هوا است. ما به داده‌های دیگری از جمله رطوبت، سرعت باد و صدها پارامتر دیگر نیازمند هستیم.

این بدین معنی نیست که دانشمندان شروع به جمع‌آوری این اطلاعات نکرده‌اند. با ارزان‌تر و دقیق‌تر شدن ابزار اینترنت اشیاء (IoT) می‌توان انتظار جمع‌آوری حجم عظیمی از داده‌های کاربردی و خوب داشت. ولی حتی در بهترین حالت ممکن، در ۲۰ سال آینده تنها به‌اندازه‌ی ۲۰ سال داده‌ی خوب در دست داریم و حداقل به جمع‌آوری اطلاعات در چند دهه‌ی دیگر برای به دست آوردن پیشرفت چشم‌گیر در این علم نیاز است.

عدم پیشرفت در علم هواشناسی احتمالا ناشی از نبود دانش کافی از گرمایش زمین است. با این‌که امکان اندازه‌گیری گرمای زمین وجود دارد؛ اما درک واکنش زمین به این میزان از گرمایش امری بسیار دشوار است.

اطلاعات موجود راجع به نحوه‌ی کارکرد مغز انسان بسیار محدود است. تعداد نورون‌هایی که در هر لحظه در مغز انسان اطلاعات جدید را جابجا و تولید می‌کنند و ترکیب همه‌ی این حالت‌ها با هم، چیزی بیشتر از تعداد اتم‌های موجود در جهان هستی است. برای به دست آوردن اطلاعات بیشتر باید آزمایش‌هایی در سطح وسیع و روی میلیون‌ها انسان انجام شود. چیزی که حداقل تا بیست سال آینده عملی به نظر نمی‌رسد.

با وجود این‌که در بیست سال گذشته پیشرفت‌های چشم‌گیری در شناخت مغز انسان به دست آمده؛ هسته‌ی اصلی عملکرد مغز همچنان ناشناخته باقی مانده است. همچنین اطلاعات بسیار کمی برای آموزش مدل‌های ماشینی وجود دارد. برای مثال، علت رخداد بیماری آلزایمر تقریبا ناشناخته باقی مانده است.

این به معنی پیشرفت نکردن علوم شناختی در بیست سال آینده نیست. احتمالا امکان تشخیص زودهنگام آلزایمر یا درمان آن در آینده‌ی نزدیک به دست می‌آید. ولی همچنان با روزی که بتوانیم روبات‌های فوق هوشمند بسازیم، فاصله داریم.

جوامع به‌صورت باورنکردنی در حال تکرار هستند. این‌که امروزه انسان‌ها چه احساسی دارند، احساسات آن‌ها را در آینده تحت تأثیر قرار می‌دهد. این‌که چه واکنشی در موقعیت‌های مختلف نشان می‌دهند، بر واکنش افراد دیگر نیز اثرگذار است.

مد به‌عنوان جزئی بسیار تأثیرگذار در جوامع است که چگونگی لباس پوشیدن، رفتار و سرمایه‌گذاری‌های کلان در یک جامعه را مشخص می‌کند. در واقع انسان‌ها مانند دستگاه کپی رفتار می‌کنند.

از آن جایی که اطلاعات بسیار کمی در این زمینه در دست است و همچنین این داده‌های موجود بسیار تکرارشونده هستند، نمی‌توان انتظار داشت ماشین‌ها در این حوزه نیز خیلی پیشرفت کنند.