פתרון פרדוקס זאדה: תורת האפשרויות כבסיס ל-AI אמין

בעולם שבו מערכות AI מתמודדות עם נתונים סותרים ומסוכנים, פרדוקס זאדה מאיים להחליש את היסודות של טיפול בחוסר ודאות. מחקר חדש מ-arXiv (2512.05257v1) מציע פתרון מהותי: תורת האפשרויות האקסיומטית, המבוססת על מאמרו של ביצ'קוב. בניגוד לניסיונות רבים לתקן את כלל דמפסטר, הגישה הזו בונה מחדש יסודות לוגיים ומתמטיים עקביים באמצעות מדדי אפשרות וצורך כפולים. המחקר מדגים כיצד תורת האפשרויות אינה רק אלטרנטיבה, אלא פתרון יסודי לפרדוקסים של תורת דמפסטר-שפר (DST). המחקר מבצע ניתוח השוואתי בין שלוש פרדיגמות מרכזיות לטיפול בחוסר ודאות: ההסתברותית, העדותית (DST) והאפשרותית. בכל אחת מהן, תורת האפשרויות מצטיינת ביכולתה להתמודד עם נתונים סותרים מבלי ליפול בפחים לוגיים. לדוגמה, במשבר אבחון רפואי קלאסי, שבו בדיקות מצביעות לכיוונים מנוגדים, DST נכשלת ומניבה תוצאות לא הגיוניות. לעומת זאת, תורת האפשרויות מאפשרת עיבוד נכון של המידע הסותר, ומבטיחה החלטות מבוססות יותר. הגישה האקסיומטית מתחילה מאפס, ללא תלות בכללי דמפסטר הפגומים. היא משתמשת במערכת כפולה של מדדי אפשרות (possibility) וצורך (necessity), שמאפשרת התמודדות גמישה עם אי-ודאות. המחברים מדגישים כי גישה זו קרובה יותר להיגיון של התבונה הטבעית, שמתמודדת יומיום עם מידע חלקי וסותר. זהו צעד משמעותי לקראת AI אמין יותר, במיוחד בתחומים רגישים כמו רפואה ועסקים. בהשוואה לפרדיגמות אחרות, תורת האפשרויות מציעה יתרונות ברורים: היא מתמודדת עם פרדוקסים שבהם DST נכשלת, כמו במקרים של נתונים מנוגדים לחלוטין. במקום להניח הסתברויות מדויקות (כמו בתורת ההסתברות), או להסתמך על עדויות חלשות (DST), היא מדרגת אפשרויות ומצמצמת סיכונים. לעסקים ישראלים המפתחים AI, זה אומר מערכות אמינות יותר באבחון סיכונים פיננסיים או רפואיים. המסקנה ברורה: אימוץ תורת האפשרויות יכול לשנות את פני טיפול בחוסר ודאות ב-AI. מנהלי טכנולוגיה צריכים לשקול לשלב גישות אלו בפרויקטים עתידיים, כדי להימנע מטעויות יקרות. האם הגיע הזמן להחליף את DST בגישה זו? המחקר מזמין דיון נוסף.