Especialistas de la división Apple Machine Learning Research presentaron un trabajo dedicado al análisis de las propiedades de las funciones invariantes a la ubicación. Dichas propiedades, también llamadas simétricas, se definen exclusivamente por la frecuencia de aparición de los valores en la función, independientemente de las posiciones específicas en las que se encuentren esos valores.
En investigaciones anteriores se había establecido que la complejidad de las consultas al probar dichas propiedades de las funciones está estrechamente relacionada con la complejidad del muestreo al probar las propiedades correspondientes de las distribuciones. Sin embargo, los autores del nuevo trabajo enfatizan que esta relación robusta no se mantiene al pasar a las tareas de verificación.
La conclusión principal del estudio señala una diferencia fundamental entre los procesos de prueba y verificación en este campo. Lo que unificaba los enfoques para funciones y distribuciones en la etapa de prueba resulta estar separado cuando se trata de confirmar la corrección de las propiedades.
comentario editorial
Por qué importa
Una consecuencia probable será la aparición de nuevas líneas de investigación centradas exclusivamente en la complejidad de la verificación, por separado de las pruebas. La siguiente señal observable serán los intentos de otros grupos de investigación de reproducir este resultado o encontrar contraejemplos. La incertidumbre material radica en qué tan amplia es esta brecha en tareas aplicadas reales, y no solo en modelos teóricos.