Especialistas da divisão Apple Machine Learning Research apresentaram um trabalho dedicado à análise de propriedades de funções invariantes à localização. Tais propriedades, também chamadas de simétricas, são definidas exclusivamente pela frequência de ocorrência dos valores na função, independentemente das posições exatas em que esses valores se encontram.
Em estudos anteriores, estabeleceu-se que a complexidade de consultas ao testar tais propriedades de funções está intimamente ligada à complexidade de amostragem ao testar as propriedades correspondentes de distribuições. No entanto, os autores do novo trabalho enfatizam que essa relação estável não se mantém ao transitar para tarefas de verificação.
A principal conclusão da pesquisa aponta para uma diferença fundamental entre os processos de teste e verificação nesta área. O que unia as abordagens para funções e distribuições na fase de teste revela-se separado quando se trata de confirmar a correção das propriedades.
comentário editorial
Por que importa
Uma consequência provável será o surgimento de novas linhas de pesquisa, focadas exclusivamente na complexidade da verificação, separadamente do teste. O próximo sinal observável serão tentativas de outros grupos de pesquisa de reproduzir este resultado ou encontrar contraexemplos. A incerteza material reside em quão ampla é esta lacuna em tarefas aplicadas reais, e não apenas em modelos teóricos.