Til stor ærgrelse for turister, der planlægger en sommer picnic, den vejr er utrolig Stemningsfyldt og uforudsigelige. Små ændringer i nedbør, temperatur, luftfugtighed, vind-hastighed eller retning kan ændre sig til udendørs forhold til nogle timer eller dage. Hvorfor vejrudsigter er normalt ikke foretages mere end syv dage ud i fremtiden — og derfor, skovture, kræve erstatning planer.
Men hvad hvis vi kunne forstå, kaotisk system godt nok til at forudsige, hvordan det vil opføre sig langt ind i fremtiden?
Er det muligt at forudsige vejret for i år?
I januar 2018 forskere er lykkedes. De brugte machine learning til præcist at forudsige udfaldet af et kaotisk system over en meget længere periode end de troede muligt. Og bilen gjorde det bare ved at observere dynamikken i systemet, der ikke har nogen idé om ligningerne bag det.
Gys, gys og spænding
Vi er allerede begyndt at vænne sig til den utrolige manifestationer af kunstig intelligens.
Sidste år et program kaldet AlphaZero har lært reglerne for skak fra bunden på bare en dag, og derefter besejrede verdens bedste programmer til at spille skak. Hun har også lært spillet i går, og overgik den tidligere verdensmester af silicium, den algoritme, der AlphaGo Nul, der har forbedret sit spil i den proces med trial and error, efter at han fodret regler.
Mange af disse algoritmer, der begynder med en ren tilstand af lyksalig uvidenhed og hurtigt få en viden ved at se eller spille mod os, forbedre os på alle trin tusindvis af gange i sekundet. Deres evne til at inspirere frygt, ærefrygt, spænding. Ofte hører vi om det kaos, som de kan kaste menneskeheden én gang.
Men mere interessant, som vil gøre kunstig intelligens med videnskab i fremtiden, med sin “forståelse”.
Perfekt forudsigelse betyder at forstå?
De fleste forskere vil sikkert give mig ret i den forudsigelse, og forståelse er ikke en og samme. Grunden ligger i myten om oprindelsen af fysik — og, kan man sige, at moderne videnskab i Almindelighed.
Det faktum, at mere end tusinde år, har folk brugt de teknikker, der er foreslået af den Græsk-Romerske matematiker Ptolemæus at forudsige planeternes bevægelse over himlen.
Ptolemæus vidste ikke noget om den teori om tyngdekraft, eller at solen var centrum i solsystemet. Hans metoder i prisen ritual beregninger ved hjælp af cirkler i cirkler i cirkler. Og selv om de er forudsagt planeternes bevægelse temmelig godt, ingen forstod, hvorfor det virker, og hvorfor planeterne adlyder denne tilsyneladende komplicerede regler.
Så var der Copernicus, Galileo, Kepler og Newton.
Newton opdagede de grundlæggende differentialligninger, der styrer bevægelsen af hver planet. Med deres hjælp var det muligt at beskrive hver planet i solsystemet. Og det var perfekt, fordi vi forstår, hvorfor planeterne bevæger sig.
Løsning af differentialligning viste sig at være en mere effektiv metode til at forudsige planeternes bevægelse i sammenligning med den algoritme af Ptolemæus. Men hvad vigtigere er, er det vores overbevisning, at denne metode har gjort det muligt for os at åbne en ny usynlige planet, på grund af loven om universel gravitation. Han forklarede, hvorfor raketter flyve, og æbler er faldende, og hvorfor er månen og galakser.
Det grundlæggende mønster — find det sæt af ligninger, der beskriver den samlende princip har været anvendt med succes i fysik igen og igen. Så har vi identificeret en Standard model, der er kulminationen på et halvt århundredes undersøgelser af partikel fysik, som præcist beskriver strukturen af hver atom -, kerne eller partikler. Så vi forsøger at forstå, høj-temperatur superledning, mørkt stof og kvante-computere. (De urimelige effektiviteten af denne metode, selv rejst spørgsmål om, hvorfor universet er så perfekt, gøres til genstand for matematisk beskrivelse).
I det hele science begrebet forståelse noget, der betyder en tilbagevenden til det oprindelige mønster: hvis du kan reducere et komplekst fænomen, at et simpelt sæt af principper, du har forstået det.
Undtagelser til reglen
Og dog, der er beklagelige undtagelser, at ødelægge denne smukke historie. Turbulens er en af grundene til at forudsige vejret er vanskeligt — et levende eksempel fra fysik. Langt størstedelen af problemer i biologi, fra de indviklede strukturer i andre strukturer kan heller ikke forklares med et simpelt princip om ensretning og forenkling.
Selv om der er ingen tvivl om, at atomer og kemi, og derfor er den enkle principper, der ligger til grund for disse systemer, er beskrevet af et universelt effektive uravnenii, det er en temmelig ineffektiv måde at generere brugbare forudsigelser.
På samme tid, bliver det tydeligt, at disse problemer er let modtagelig for machine learning metoder.
Lige som de gamle Grækere søgte svar fra den mystiske Delphi Oracle, vil vi lede efter svar på vanskelige spørgsmål om videnskab alvidende orakler med kunstig intelligens.
Disse ord er allerede kørsel Autonome biler og vælge objekter for investeringer i aktiemarkedet, og meget snart vil være til at forudsige, hvilken medicin der vil være effektiv mod bakterier — og hvad der vil være vejret i to uger.
De vil gøre disse forudsigelser med høj præcision, som vi aldrig har drømt om, ikke at bruge matematiske modeller og ligninger.
Det er muligt, at de bevæbnet med data om milliarder af kollisioner ved Large hadron Collider, vil de bedre kan klare forudsigelser af udfaldet af forsøget med partikler, end selv favorit fysikere Standard model.
Som uforklarlige kilder af åbenbaring af præstinder af Delphi, vores profeter for kunstig intelligens er også usandsynligt, at være i stand til at forklare, hvorfor de forudsige det, og ellers ikke. Deres resultater vil være baseret på mange bits, der kan kaldes “oplevelse”. De vil være som de uuddannede landmand, der er i stand til præcist at forudsige, hvordan vejret vil ændre sig, “fordi knoglerne er ømme” eller andre forudanelser.
Videnskab uden at forstå?
Konsekvenserne af maskinen intelligens i videnskab og filosofi kan være fantastisk.
For eksempel, i lyset af mere præcise forudsigelser, selvom opnået ved den ukendte mand, vil vi benægte, at maskiner har en bedre viden, end vi?
Hvis den forudsigelse faktisk er det vigtigste mål for videnskab, som vi er nødt til at ændre den videnskabelige metode, en algoritme, som i århundreder har givet os mulighed for at identificere fejl og rette dem?
Hvis vi opgiver at forstå, om det giver mening at gøre videnskab, som vi gør?
Ingen, der ved. Men hvis vi ikke kan formulere, hvorfor videnskab er mere end evnen til at lave gode forudsigelser, forskere, og de vil snart opdage, at “uddannet kunstig intelligens, der gør dem bedre end deres egen”.
Kan machine learning blive sat en stopper for at “forstå” videnskab?
Ilya Hel