До голяма степен на скръбта на почиващите, планиращи летен пикник, времето е невероятно капризно и непредсказуемо нещо. Малките промени в валежите, температурата, влажността, скоростта на вятъра или посоката на вятъра могат да променят условията на открито за часове или дни. Следователно прогнозите за времето обикновено не се правят повече от седем дни в бъдещето - и затова пикниците изискват планове за действие в извънредни ситуации.
Но какво, ако успеем да разберем достатъчно хаотична система, за да прогнозираме как ще се държи далеч в бъдеще?
Можете ли да прогнозирате времето за годината?
През януари 2018 г. учените успяха. Те използваха машинно обучение, за да предсказват точно резултата от хаотична система за много по-дълъг период, отколкото се смяташе за възможно. И машината го направи просто като наблюдава динамиката на системата, без да има представа за уравненията зад нея.
Страх, страх и вълнение
Вече започнахме да свикваме с невероятните прояви на изкуствения интелект.
Миналата година програма, наречена AlphaZero, научи правилата на играта на шах от нулата само за един ден и след това победи най-добрия софтуер за шах в света. Тя също се научи да играе Go и надмина бившия шампион за силиций, алгоритъма AlphaGo Zero, който се подобри в играта чрез проби и грешки, след като беше подхранван от правилата.
Промоционално видео:
Много от тези алгоритми започват с чисто състояние на блажено невежество и бързо придобиват знания, наблюдавайки процеса или играейки срещу себе си, подобрявайки се на всяка стъпка хиляди пъти в секунда. Способностите им вдъхновяват чувства на страх, страхопочитание, вълнение. Често чуваме за хаоса, в който един ден могат да потопят човечеството.
Но е много по-интересно какво ще прави изкуственият интелект с науката в бъдеще, с неговото „разбиране“.
Перфектното прогнозиране означава разбиране?
Повечето учени вероятно ще се съгласят, че предвиждането и разбирането не са едно и също нещо. Причината се крие в мита за произхода на физиката - и, може да се каже, съвременната наука като цяло.
Факт е, че повече от хиляда години хората използват методите, предложени от гръко-римския математик Птолемей, за да предскажат движението на планетите през небето.
Птолемей не знаеше нищо за теорията на гравитацията или че слънцето е центърът на Слънчевата система. Неговите методи включват ритуални изчисления, като се използват кръгове в кръгове в кръгове. И макар да прогнозираха планетарното движение доста добре, никой не разбра защо то работи или защо планетите се подчиняват на такива на пръв поглед сложни правила.
Тогава бяха Коперник, Галилей, Кеплер и Нютон.
Нютън откри основните диференциални уравнения, които управляват движението на всяка планета. С тяхна помощ беше възможно да се опише всяка планета в Слънчевата система. И това беше чудесно, защото разбрахме защо се движат планетите.
Разрешаването на диференциални уравнения се оказа по-ефективен начин за прогнозиране на движението на планетата в сравнение с алгоритъма на Птолемей. По-важното е обаче, че нашата вяра в този метод ни позволи да открием нови невидими планети, благодарение на закона за универсалната гравитация. Той обясни защо ракетите летят и ябълките падат, а също и защо има луни и галактики.
Този основен модел - намиране на набор от уравнения, описващи обединяващ принцип - се използва успешно във физиката отново и отново. Ето как дефинирахме Стандартния модел, кулминацията на половин век изследвания на физиката на частиците, който точно описва структурата на всеки атом, ядро или частица. Ето как се опитваме да разберем високотемпературната свръхпроводимост, тъмна материя и квантовите компютри. (Неоправданата ефективност на този метод дори повдигна въпроси защо Вселената се поддава толкова добре на математическото описание.)
В цялата наука разбирането на нещо означава да се върнете към първоначалната схема: ако можете да намалите сложно явление до прост набор от принципи, вие го разбирате.
Изключения от правилото
И все пак има досадни изключения, които развалят тази красива история. Турбуленцията е една от причините, поради които е трудно да се предвиди времето - отличен пример от физиката. По-голямата част от проблемите от биологията, от заплетените структури в други структури, също се противопоставят на обяснението чрез прости принципи на обединение и опростяване.
Въпреки че няма съмнение, че атомите и химията, а оттам и простите принципи, залегнали в основата на тези системи, са описани с помощта на универсално ефективни уравнения, това е доста неефективен начин за генериране на полезни прогнози.
В същото време става очевидно, че тези проблеми лесно се поддават на методи за машинно обучение.
Точно както древните гърци търсеха отговори от мистичния делфийски оракул, така и ние ще търсим отговори на най-сложните въпроси на науката от всезнаещите оракули с изкуствен интелект.
Такива оракули вече управляват автономни превозни средства и избират инвестиционни цели на фондовия пазар и много скоро те ще предскажат кои лекарства ще бъдат ефективни срещу бактериите - и какво ще бъде времето след две седмици.
Те ще направят тези прогнози с най-високата точност, за която никога не сме мечтали, без да използват математически модели и уравнения.
Възможно е, въоръжени с данни за милиарди сблъсъци при Големия адронен сблъсък, да се справят по-добре при прогнозирането на резултата от експеримент с частици, отколкото дори любимият стандартен модел.
Подобно на необяснимите източници на откровението на жриците на Делфи, нашите пророци за изкуствен интелект също е малко вероятно да могат да обяснят защо те предричат по този начин, а не по друг начин. Техните заключения ще се основават на много микросекунди от това, което може да се нарече „опит“. Те ще са като необразован фермер, който знае как точно да предвиди как ще се промени времето, "защото костите болят" или други предчувствия.
Наука без разбиране?
Последиците от работата на машинното разузнаване в областта на науката и философията на науката могат да бъдат поразителни.
Например, пред все по-точните прогнози, макар и получени чрез непонятни за хората методи, ще отречем, че машините имат по-добри познания от нас?
Ако прогнозирането наистина е основната цел на науката, как трябва да модифицираме научния метод, алгоритъма, който ни позволява да идентифицираме грешки и да ги коригираме от векове?
Ако се откажем от разбирането, има ли смисъл да правим науката, която правехме?
Никой не знае. Но ако не можем да формулираме защо науката е повече от способността да се правят добри прогнози, учените скоро ще открият, че „обучения изкуствен интелект върши работата си по-добре от тях самите“.
Иля Кел