Počasí je pro hodně záhadu turistů, kteří plánují letní piknik, neuvěřitelně vrtošivé a nepředvídatelné. Malé změny v dešti, teplotě, vlhkosti, rychlosti větru nebo směru větru mohou změnit venkovní podmínky během hodin nebo dnů. Předpovědi počasí se proto obvykle do budoucna neprovádějí déle než sedm dní - a proto piknik vyžaduje pohotovostní plány.
Ale co kdybychom rozuměli chaotickému systému dostatečně dobře, abychom předpovídali, jak se bude chovat daleko v budoucnosti?
Můžete předpovědět počasí pro tento rok?
V lednu 2018 se vědcům podařilo. Pomocí strojového učení přesně předpověděli výsledek chaotického systému po mnohem delší dobu, než se považovalo za možné. A stroj to udělal jednoduše sledováním dynamiky systému, aniž by měl představu o rovnicích za ním.
Úžas, strach a vzrušení
Už jsme si začali zvykat na neuvěřitelné projevy umělé inteligence.
V loňském roce se program s názvem AlphaZero naučil pravidla šachové hry od nuly za pouhý den a poté porazil nejlepší šachový software na světě. Také se naučila hrát Go a překonala bývalého křemíkového šampiona, algoritmu AlphaGo Zero, který se ve hře vylepšil pokusem a omylem poté, co byl naplněn pravidly.
Propagační video:
Mnoho z těchto algoritmů začíná čistým stavem blažené nevědomosti a rychle získává znalosti sledováním procesu nebo hraním proti sobě, což se v každém kroku zlepšuje tisícekrát za sekundu. Jejich schopnosti inspirují pocity strachu, úcty, vzrušení. Často slyšíme o chaosu, do kterého mohou jednoho dne ponořit lidstvo.
Je však mnohem zajímavější, co umělá inteligence udělá s vědou v budoucnosti, s jejím „porozuměním“.
Dokonalé předpovídání znamená porozumění?
Většina vědců bude pravděpodobně souhlasit s tím, že predikce a porozumění nejsou totéž. Důvod spočívá v mýtu o původu fyziky - a dalo by se říci, moderní vědě obecně.
Faktem je, že už více než tisíc let lidé používají metody navržené řecko-římským matematikem Ptolemym k předpovídání pohybu planet po obloze.
Ptolemy nevěděl nic o teorii gravitace ani o tom, že slunce bylo středem sluneční soustavy. Mezi jeho metody patřily rituální výpočty využívající kruhy uvnitř kruhů uvnitř kruhů. A zatímco dobře předpovídali planetární pohyb, nikdo nechápal, proč to funguje nebo proč planety dodržují taková zdánlivě složitá pravidla.
Pak tu byli Copernicus, Galileo, Kepler a Newton.
Newton objevil základní diferenciální rovnice, které řídí pohyb každé planety. S jejich pomocí bylo možné popsat každou planetu sluneční soustavy. A to bylo skvělé, protože jsme pochopili, proč se planety pohybují.
Ukázalo se, že řešení diferenciálních rovnic je účinnějším způsobem předpovídání pohybu planet ve srovnání s Ptolemyho algoritmem. Ještě důležitější je však to, že naše víra v tuto metodu nám díky zákonu univerzální gravitace umožnila objevovat nové neviditelné planety. Vysvětlil, proč létají rakety a padají jablka, a také proč existují měsíce a galaxie.
Tento základní vzorec - nalezení souboru rovnic popisujících sjednocující princip - byl ve fyzice úspěšně používán znovu a znovu. Takto jsme definovali standardní model, vyvrcholení půlstoletí výzkumu fyziky částic, který přesně popisuje strukturu každého atomu, jádra nebo částice. Takto se snažíme porozumět vysokoteplotní supravodivosti, temné hmotě a kvantovým počítačům. (Neoprávněná účinnost této metody dokonce vyvolala otázky o tom, proč se vesmír tak dobře hodí k matematickému popisu.)
V celé vědě znamená porozumění něčemu znamenat návrat k původnímu schématu: pokud dokážete omezit složitý jev na jednoduchou sadu principů, rozumíte tomu.
Výjimky z pravidla
A přesto existují nepříjemné výjimky, které kazí tento krásný příběh. Turbulence je jedním z důvodů, proč je obtížné předpovědět počasí - hlavní příklad z fyziky. Převážná většina problémů z biologie, ze zapletených struktur v jiných strukturách, také vzdoruje vysvětlení jednoduchými principy sjednocení a zjednodušení.
I když není pochyb o tom, že atomy a chemie, a tedy i jednoduché principy, na nichž jsou tyto systémy založeny, jsou popsány pomocí univerzálně účinných rovnic, jedná se o poměrně neefektivní způsob generování užitečných předpovědí.
Současně je zřejmé, že tyto problémy se snadno hodí k metodám strojového učení.
Stejně jako starověcí Řekové hledali odpovědi od mystického delfického věštce, hledáme odpovědi na nejsložitější otázky vědy od vševědoucích věštců s umělou inteligencí.
Takové věštci již řídí autonomní vozidla a volí investiční cíle na akciovém trhu a velmi brzy předpovídají, jaké léky budou účinné proti bakteriím - a jaké bude počasí za dva týdny.
Budou tyto předpovědi provádět s nejvyšší přesností, o které jsme nikdy nesnili, bez použití matematických modelů a rovnic.
Je možné, že vyzbrojeni údaji o miliardách srážek ve velkém hadronovém srážce budou lépe předpovídat výsledek experimentu s částicemi, než dokonce milovaný standardní model.
Podobně jako u nevysvětlitelných zdrojů zjevení delfských kněžek, je nepravděpodobné, že by naši proroci umělé inteligence dokázali vysvětlit, proč takto předpovídají, a ne jinak. Jejich závěry budou založeny na mnoha mikrosekundách toho, co by se dalo nazvat „zkušeností“. Budou jako nezkušení farmáři, kteří vědí, jak přesně předpovědět, jak se bude počasí měnit, „protože bolesti kostí“nebo jiné předtuchy.
Věda bez porozumění?
Důsledky práce strojové inteligence v oblasti vědy a filozofie vědy mohou být překvapivé.
Například vzhledem k stále přesnějším předpovědím, třebaže jsou získány metodami, které jsou pro člověka nepochopitelné, popřeme, že stroje mají lepší znalosti než my?
Pokud je předpovědi skutečně hlavním cílem vědy, jak bychom měli upravit vědeckou metodu, algoritmus, který nám umožnil identifikovat chyby a opravit je po staletí?
Pokud se vzdáme porozumění, má smysl dělat vědu, kterou jsme dělali?
Nikdo neví. Pokud ale nedokážeme vyjádřit, proč je věda více než schopnost dělat dobré předpovědi, vědci brzy zjistí, že „vyškolená umělá inteligence dělá svou práci lépe než oni“.
Ilya Khel