A nyári piknikre vágyó nyaralók szomorúságára tekintettel az időjárás hihetetlenül szeszélyes és kiszámíthatatlan. Az eső, a hőmérséklet, a páratartalom, a szél sebessége vagy a szél irányának kis változásai órákban vagy napokban megváltoztathatják a kültéri körülményeket. Ezért az időjárás-előrejelzéseket általában legfeljebb hét nappal a jövőben készítik, és ezért a piknikekre szükséghelyzeti tervek szükségesek.
De mi van, ha elég jól megértjük a kaotikus rendszert ahhoz, hogy megjósoljuk, hogyan fog viselkedni a jövőben?
Meg tudja-e előre jelezni az időjárást az évre?
2018 januárjában a tudósok sikerrel jártak. A gépi tanulást alkalmazták a kaotikus rendszer kimenetelének pontos előrejelzésére sokkal hosszabb ideig, mint amennyire gondoltak. És a gép egyszerűen a rendszer dinamikájának megfigyelésével csinálta, fogalma sem volt a mögötte levő egyenletekről.
Félelem, félelem és izgalom
Már elkezdtük megszokni a mesterséges intelligencia hihetetlen megnyilvánulásait.
Tavaly egy AlphaZero nevű program mindössze egy nap alatt megtanulta a sakk játék szabályait, majd legyőzte a világ legjobb sakk szoftverét. Megtanulta a Go játékot is, és meghaladta a korábbi szilícium bajnokot, az AlphaGo Zero algoritmust, amely javult a játékban próba és hiba révén, miután a szabályokat táplálták.
Promóciós videó:
Ezen algoritmusok sokasága a boldog tudatlanság tiszta állapotával kezdődik, és gyorsan megszerzi tudásukat a folyamat figyelésével vagy önmagukkal játszva, másodpercenként több ezer alkalommal javítva. Képességeik félelmet, félelmet, izgalmat keltenek. Gyakran hallunk arról a káoszról, amelybe egy nap belemerülhetnek az emberiség.
Sokkal érdekesebb azonban, hogy a mesterséges intelligencia mit fog tenni a jövőben a tudománygal, annak „megértésével”.
A tökéletes előrejelzés megértést jelent?
A legtöbb tudós valószínűleg egyetért azzal, hogy az előrejelzés és a megértés nem ugyanaz. Ennek oka a fizika eredetével kapcsolatos mítosz - és azt lehet mondani, a modern tudomány általában.
A helyzet az, hogy több mint ezer éve az emberek a görög-római matematikus, Ptolemaiosz által javasolt módszereket használják a bolygók égbolton történő mozgásának előrejelzésére.
Ptolemaiosz semmit sem tudott a gravitáció elméletéről vagy arról, hogy a nap a naprendszer központja. Módszerei között szerepelt a rituális számítások körökön keresztüli körök segítségével. És bár nagyon jól megjósolták a bolygó mozgását, senki sem értette, miért működött, vagy miért tartják a bolygók ilyen látszólag összetett szabályokat.
Aztán ott voltak Kopernikusz, Galileo, Kepler és Newton.
Newton felfedezte az alapvető differenciálegyenleteket, amelyek az egyes bolygók mozgását szabályozzák. Ezek segítségével leírni lehetett a Naprendszer minden bolygóját. És ez nagyszerű volt, mert megértettük, hogy a bolygók miért mozognak.
A differenciálegyenletek megoldása a Ptolemaiosz algoritmusához képest hatékonyabb módszer a bolygómozgás előrejelzésére. Ennél fontosabb azonban, hogy a módszerünkbe vetett hitünk lehetővé tette számunkra, hogy új, láthatatlan bolygót fedezzünk fel, az egyetemes gravitáció törvényének köszönhetően. Elmagyarázta, hogy miért repülnek rakéták és esnek az alma, és miért léteznek holdak és galaxisok.
Ezt az alapvető mintázatot - az egyenlő egységet leíró egyenlethalmaz megtalálását - újra és újra használják a fizikában. Így definiáltuk a Szabványmodellt, a részecskefizika fél évszázados kutatásának csúcspontját, amely pontosan leírja minden atom, atommag vagy részecske szerkezetét. Így próbáljuk megérteni a magas hőmérsékletű szupravezető képességet, a sötét anyagot és a kvantumszámítógépeket. (Ennek a módszernek az indokolatlan hatékonysága felvette a kérdést, hogy az univerzum miért szolgálja olyan jól matematikai leírást.)
A tudomány egészében valami megértése azt jelenti, hogy visszatérünk az eredeti sémához: ha egy komplex jelenséget egyszerű alapelvekre redukálhat, akkor megérti.
Kivételek a szabály alól
És mégis, vannak idegesítő kivételek, amelyek elrontják ezt a gyönyörű történetet. A turbulencia az egyik oka annak, hogy nehéz előre jelezni az időjárást - ez egy kiváló példa a fizikából. A biológiával kapcsolatos problémák túlnyomó többsége, a más struktúrákba beleragadt szerkezetekből adódóan, az egyszerűsítés és az egyszerűsítés egyszerű alapelveivel sem magyarázza meg a magyarázatot.
Noha nem kétséges, hogy az atomok és a kémia, és így az ezeknek a rendszereknek az alapját képező egyszerű elveket egyetemesen hatékony egyenletekkel írják le, ez egy meglehetősen hatástalan módszer a hasznos előrejelzések generálására.
Ugyanakkor nyilvánvalóvá válik, hogy ezek a problémák könnyen alkalmazhatók a gépi tanulási módszerekhez.
Ahogyan az ókori görögök a misztikus delfikus oraklusból választ kerestek, válaszokat fogunk keresni a tudomány legbonyolultabb kérdéseire a mindentudó oraklusokból, a mesterséges intelligenciával.
Az ilyen orákulumok már önálló járműveket vezetnek, és a tőzsdén kiválasztják a befektetési célokat, és hamarosan meg fogják jósolni, hogy mely gyógyszerek lesznek hatékonyak a baktériumok ellen - és milyen lesz az időjárás két hét múlva.
Ezeket az előrejelzéseket olyan nagy pontossággal fogják megtenni, amelyről még soha sem álmodtunk, matematikai modellek és egyenletek nélkül.
Lehetséges, hogy a nagy hadroncsatorna ütközések milliárdjaival felfegyverkezve jobban meg tudják jósolni a részecskékkel végzett kísérlet eredményét, mint akár a szeretett Standard modell.
Mint a Delphi papnők kinyilatkoztatásának megmagyarázhatatlan forrásaihoz, valószínűleg nem tudjuk magyarázni az AI prófétáinkat sem, hogy miért jósolják így, és nem más módon. Következtetéseik sok mikrosekundumon fognak alapulni, amit úgy lehetne nevezni "tapasztalatnak". Olyanok lesznek, mint egy ismeretlen gazda, aki tudja pontosan megjósolni, hogy az időjárás hogyan fog változni, "mert a csontok fájnak", vagy más előítéletek.
Tudomány megértés nélkül?
A gépi intelligencia tudományos területen és a tudomány filozófiájában végzett munkájának meglepő következményei lehetnek.
Például egyre pontosabb előrejelzésekkel szemben - bár az emberek számára érthetetlen módszerekkel nyerjük - tagadni fogjuk azt, hogy a gépek jobb tudással rendelkeznek, mint mi?
Ha az előrejelzés valóban a tudomány fő célja, hogyan kell módosítani a tudományos módszert, az algoritmust, amely évszázadok óta lehetővé teszi a hibák azonosítását és kijavítását?
Ha feladjuk a megértést, van-e értelme annak a tudománynak a végrehajtására, amelyet csináltunk?
Senki sem tudja. De ha nem tudjuk megfogalmazni, hogy miért nem csupán a tudomány jó képeket tud tenni a jó előrejelzések készítésére, a tudósok hamarosan rájönnek, hogy "a képzett mesterséges intelligencia jobban végzi munkáját, mint maguk."
Ilya Khel