Vreme na počutje dopustnikov, ki načrtujejo poletni piknik, je vreme neverjetno kapricična in nepredvidljiva stvar. Majhne spremembe padavin, temperature, vlažnosti, hitrosti vetra ali smeri vetra lahko spreminjajo zunanje pogoje v urah ali dneh. Zato se vremenske napovedi običajno ne pripravijo več kot sedem dni v prihodnost - zato pikniki zahtevajo načrte za izredne razmere.
Kaj pa, če bi lahko dovolj dobro razumeli kaotičen sistem, da smo predvideli, kako se bo obnašal daleč v prihodnosti?
Lahko predvidite vreme za leto?
Januarja 2018 je znanstvenikom to uspelo. Strojno učenje so uporabili za natančno napovedovanje izida kaotičnega sistema v veliko daljšem obdobju, kot se je zdelo možno. In stroj je to storil preprosto tako, da je opazoval dinamiko sistema in ni imel pojma o enačbah, ki so za njim.
Strah, strah in navdušenje
Začeli smo se že navaditi na neverjetne manifestacije umetne inteligence.
Lani se je program z imenom AlphaZero v samo enem dnevu naučil pravil igre šaha in nato premagal najboljšo programsko opremo v šahu na svetu. Naučila se je tudi igrati Go in prehitela nekdanjega silicijevega prvaka, algoritem AlphaGo Zero, ki se je v igri izboljšal s preizkusom in napakami, potem ko se je hranil s pravili.
Promocijski video:
Mnogi od teh algoritmov se začnejo s čistim stanjem blažene nevednosti in hitro pridobijo znanje, če opazujejo postopek ali igrajo proti sebi, izboljšajo se na vsakem koraku tisočkrat na sekundo. Njihove sposobnosti navdihujejo občutke strahu, strahu, navdušenja. Pogosto slišimo o kaosu, v katerega se lahko nekega dne zatakne človeštvo.
Je pa veliko bolj zanimivo, kaj bo umetna inteligenca naredila z znanostjo v prihodnosti s svojim "razumevanjem".
Popolno napovedovanje pomeni razumevanje?
Večina znanstvenikov se bo verjetno strinjala, da napovedovanje in razumevanje nista isto. Razlog leži v mitu o izvoru fizike - in, lahko bi rekli, sodobne znanosti na splošno.
Dejstvo je, da ljudje že več kot tisoč let uporabljajo metode, ki jih je predlagal grško-rimski matematik Ptolemej, da napovedujejo gibanje planetov po nebu.
Ptolomej ni vedel ničesar o teoriji gravitacije ali o tem, da je sonce središče osončja. Njegove metode so vključevale obredne izračune z uporabo krogov znotraj krogov znotraj krogov. In čeprav so precej dobro napovedovali gibanje planetov, nihče ni razumel, zakaj deluje ali zakaj planeti upoštevajo tako na videz zapletena pravila.
Potem so bili še Kopernik, Galileo, Kepler in Newton.
Newton je odkril temeljne diferencialne enačbe, ki upravljajo gibanje vsakega planeta. Z njihovo pomočjo je bilo mogoče opisati vsak planet v osončju. In to je bilo super, ker smo razumeli, zakaj se planeti premikajo.
Reševanje diferencialnih enačb se je izkazalo za bolj učinkovit način napovedovanja gibanja planetov v primerjavi s algoritmom Ptolemeja. Pomembneje pa je, da nam je prepričanje v to metodo omogočilo odkrivanje novih nevidnih planetov, zahvaljujoč zakonu univerzalne gravitacije. Pojasnil je, zakaj rakete letijo in jabolka padajo, pa tudi, zakaj obstajajo lune in galaksije.
Ta osnovni vzorec - iskanje niza enačb, ki opisujejo poenoten princip - se uspešno uporablja v fiziki vedno znova. Tako smo opredelili Standardni model, ki je vrhunec pol stoletja raziskovanja fizike delcev, ki natančno opisuje strukturo vsakega atoma, jedra ali delca. Tako skušamo razumeti visoko temperaturno superprevodnost, temno snov in kvantne računalnike. (Neupravičena učinkovitost te metode je celo sprožila vprašanja, zakaj se vesolje tako dobro izpostavlja matematičnemu opisu.)
Skozi znanost razumevanje nečesa pomeni vrnitev k prvotni shemi: če lahko zapleteni pojav zmanjšate na preprost sklop načel, ga razumete.
Izjeme od pravila
Pa vendar obstajajo nadležne izjeme, ki to lepo zgodbo pokvarijo. Turbulenca je eden od razlogov, da je težko napovedati vreme - odličen primer fizike. Velika večina problemov iz biologije, vpletenih struktur v druge strukture, razreši tudi s preprostimi načeli poenotenja in poenostavitve.
Čeprav ni dvoma, da so atomi in kemija ter s tem preprosta načela, na katerih temeljijo ti sistemi, opisani z uporabo splošno učinkovitih enačb, je to precej neučinkovit način ustvarjanja koristnih napovedi.
Obenem postaja očitno, da se te težave zlahka podeljujejo metodam strojnega učenja.
Tako kot so že stari Grki iskali odgovore iz mističnega olfola Delphic, tako bomo iskali odgovore na najbolj zapletena vprašanja znanosti iz vsevednih orkalk z umetno inteligenco.
Takšni oraki že vozijo avtonomna vozila in izbirajo naložbene cilje na borzi in zelo kmalu bodo napovedali, katera zdravila bodo učinkovita proti bakterijam - in kakšno bo vreme čez dva tedna.
Te napovedi bodo podali z največjo natančnostjo, o kateri nikoli nismo sanjali, ne da bi pri tem uporabili matematične modele in enačbe.
Možno je, da bodo oboroženi s podatki o milijardnih trčenjih na Velikem hadronskem trkalniku boljše pri napovedovanju izida poskusa z delci kot celo ljubljeni standardni model.
Podobno kot nerazložljivi viri razodetja svečenikov Delphi tudi naši preroki za umetno inteligenco verjetno ne bodo znali razložiti, zakaj tako napovedujejo in ne drugače. Njihovi sklepi bodo temeljili na številnih mikrosekundah, kar bi lahko imenovali "izkušnja". Bili bodo kot neizobraženi kmet, ki zna natančno napovedati, kako se bo vreme spremenilo, "ker se bolijo kosti" ali drugi napovedi.
Znanost brez razumevanja?
Posledice dela strojne inteligence na področju znanosti in filozofije znanosti so lahko presenetljive.
Na primer, ob vedno natančnejših napovedih, čeprav bomo dobili z nerazumljivimi metodami za ljudi, bomo zanikali, da imajo stroji boljše znanje kot mi?
Če je napovedovanje res glavni cilj znanosti, kako naj spremenimo znanstveno metodo, algoritem, ki nam omogoča, da stoletja prepoznamo napake in jih odpravljamo?
Če se odpovemo razumevanju, ali obstaja smisel v znanosti, ki smo jo počeli?
Nihče ne ve. Če pa ne moremo artikulirati, zakaj je znanost več kot zmožnost dobrega napovedovanja, bodo znanstveniki kmalu ugotovili, da "usposobljena umetna inteligenca opravlja svoje delo bolje kot oni sami."
Ilya Khel
