Mycket till förtret för semesterfirare som planerar en sommar picknick, vädret är otroligt Lynnig och oförutsägbar. Små förändringar i nederbörd, temperatur, luftfuktighet, vind hastighet eller riktning kan ändra till utomhus för några timmar eller dagar. Varför väderprognoser är oftast inte mer än sju dagar in i framtiden — och, därför, picknick kräva ersättning planer.
Men tänk om vi kunde förstå det kaotiska systemet tillräckligt för att förutsäga hur det kommer att bete sig långt in i framtiden?
Är det möjligt att förutsäga vädret för året?
I januari 2018, och forskare har lyckats. De används maskinen lära sig att exakt förutsäga resultatet av ett kaotiskt system under en mycket längre tid än de trodde var möjligt. Och bilen gjorde det bara genom att observera dynamiken i systemet, som inte har någon aning om ekvationer som ligger bakom.
Spänning, rädsla och spänning
Vi har redan börjat att vänja sig vid den otroliga manifestationer av artificiell intelligens.
Förra året ett program som heter AlphaZero har lärt sig reglerna i schack från grunden på bara en dag, och sedan besegrade världens bästa program för att spela schack. Hon har också lärt sig spelet i går, och överträffade den tidigare mästaren av kisel, algoritmen AlphaGo Noll, som förbättrade sitt spel i den process av trial-and-error efter att han fed regler.
Många av dessa algoritmer börja med ett rent tillstånd av lycksalig okunnighet och snabbt få kunskap genom att titta på eller spela mot oss, förbättra oss vid varje steg tusentals gånger per sekund. Deras förmåga att inspirera rädsla, awe, spänning. Ofta hör vi om det kaos som de kan störta mänskligheten en gång.
Men mer intressant, vilket kommer att göra artificiell intelligens med vetenskap i framtiden, med sin “förståelse”.
Perfekt prognos innebär det att förstå?
Majoriteten av forskarna kommer förmodligen överens om att förutsägelse och förståelse är inte en och samma. Orsaken ligger i myten om ursprunget för fysik — och, kan man säga, att den moderna vetenskapen i Allmänhet.
Det faktum att mer än tusen år har människor används de metoder som föreslås av den Grekisk-Romerska matematikern Ptolemaios att förutsäga rörelse planeter över himlen.
Ptolemaios inte vet något om teorin om gravitationen, eller att solen var centrum i solsystemet. Hans metoder ingår ritualen beräkningar med hjälp av cirklar inom cirklar inom cirklar. Och även om de förutspådde planeternas rörelser ganska bra, ingen förstod varför det fungerar och varför planeterna lyda denna till synes komplicerade regler.
Sedan var det Copernicus, Galileo, Kepler och Newton.
Newton upptäckte den grundläggande differential ekvationer som styr rörelsen hos varje planet. Med deras hjälp var det möjligt att beskriva varje planet i solsystemet. Och det var perfekt eftersom vi förstår varför planeter rör sig.
Lösningen av differentialekvationen visade sig vara en mer effektiv metod för att förutsäga planeternas rörelser i jämförelse med algoritmen av Ptolemaios. Ännu viktigare är dock att vår tro i denna metod har gett oss möjlighet att öppna en ny osynliga planet, på grund av lagen om allmän gravitation. Han förklarade varför raketer flyger och äpplen faller, och varför är månen och galaxer.
Denna grundläggande mönster — hitta den uppsättning ekvationer som beskriver den enande principen har med framgång använts i fysik om och om igen. Så vi har identifierat standardmodellen, kulmen på ett halvt sekel av studier av partikelfysik, som exakt beskriver strukturen i varje atom, kärnan eller partiklar. Så vi försöker att förstå hög temperatur supraledning, mörk materia och kvantdatorer. (Den orimliga effektiviteten av denna metod även upp frågor om varför universum är så perfekt lämpad för matematisk beskrivning).
I hela vetenskapens begrepp för att förstå något innebär att man återvänder till den ursprungliga mönster: om du kan minska en komplex företeelse till en enkel uppsättning principer, du har förstått det.
Undantag från regeln
Och ändå, det är beklagligt undantag att förstöra denna vackra berättelse. Turbulens är en av anledningarna till att förutsäga vädret är svårt — ett levande exempel från fysiken. Den stora majoriteten av problem i biologi, från den intrikata strukturer i andra strukturer kan inte förklaras med en enkel princip för enandet av europa och förenkling.
Även om det är ingen tvekan om att atomer och kemi, och därmed enkla principer som ligger bakom dessa system beskrivs av ett universellt effektivt uravnenii, det är ett ganska ineffektivt sätt att skapa användbara förutsägelser.
Samtidigt blir det uppenbart att dessa problem är lätta att maskinen metoder för lärande.
Precis som de gamla Grekerna sökte svar från den mystiska Delphis Oracle, vi kommer att leta efter svar på svåra frågor av vetenskap allvetande orakel med artificiell intelligens.
Ett sådant orakel är redan kör Autonoma bilar och välja objekt för investeringar i aktiemarknaden, och mycket snart kommer att vara att förutsäga vilka läkemedel som kommer att vara effektiv mot bakterier — och vad blir det för väder i två veckor.
De kommer att göra dessa prognoser med hög precision, vilket vi aldrig har drömt om, att inte använda några matematiska modeller och ekvationer.
Det är möjligt att, beväpnad med uppgifter om miljarder kollisioner vid Large hadron Collider, lhc, de kommer att klara sig bättre med förutsägelser om resultatet av experimentet med partiklar, än ens favorit fysiker Standard modell.
Som oförklarliga källor av uppenbarelse av prästinnor i Delphi, våra profeter av artificiell intelligens är också osannolikt att kunna förklara varför de förutspår så, och inte något annat. Deras resultat kommer att vara baserad på många mikrosekunder som kan kallas “upplevelse.” De kommer att vara som obildad bonde som är i stånd att exakt förutsäga hur vädret kommer att förändras, “eftersom ben är ilningar” eller andra aningar.
Vetenskap utan att förstå?
Konsekvenserna av maskinen intelligens inom vetenskap och filosofi kan vara fantastisk.
Till exempel, i ansiktet av mer korrekta prognoser, men som erhållits av den okända mannen kommer vi att förneka att maskiner har bättre kunskap än vi?
Om förutsägelsen är faktiskt det viktigaste målet för vetenskapen, som vi behöver för att ändra vetenskaplig metod, en algoritm, som i århundraden har tillåtit oss att identifiera misstag och rätta till dem?
Om vi överger förståelse, oavsett om det är meningsfullt att göra vetenskap, som vi gjorde?
Ingen som vet. Men om vi inte kan formulera varför vetenskap är mer än förmågan att göra bra prognoser, forskare kommer snart att upptäcka att de “utbildade artificiell intelligens gör dem bättre än deras egen”.
Kan maskinen lära sig att sätta stopp för att “förstå” vetenskap?
Ilya Hel