滑铁卢研究人员发现，与传统的人类智慧相比，目前还没有确切的方法可以确定机器学习工具是否能够成功解决一些特定的问题。

“我们必须谨慎行事，”该研究报告的第一作者、滑铁卢计算机科学学院的教授Shai Ben-David说，“即便现在的大趋势是人工智能化，但没有人理解这些人工智能是如何运作的，因此也没有人能够保证他们能继续取得成功。在答案只需要是或否的情况下，我们能够确切地知道机器学习算法能够做什么或不能做什么。但是，当谈到更一般的设置时，我们还无法区分可学习和不可学习的任务。”

在这项研究中，Ben-David和他的同事考虑了一种估计最大值(EMX)的学习模型，它捕获了许多常见的机器学习任务，例如，找到一组配送设施的最佳位置以优化其对潜在消费者的可访问性的任务。研究发现，该模型的任务是判断基于人工智能的工具是否能够处理该任务，而结果是根本无法评估的。

“这一发现令研究界感到意外，因为长期以来人们一直认为一旦提供了对任务的精确描述，就可以确定机器学习算法是否能够学习并执行该任务。” Ben-David说。

这个研究报告，由Ben-David、普林斯顿大学计算机科学系的Shay Morgan、Amir等人合著。