Suvepiknikku kavandavate puhkajate meeleheaks on ilm uskumatult kapriisne ja ettearvamatu. Väikesed sademete, temperatuuri, õhuniiskuse, tuule kiiruse või tuule suuna muutused võivad välitingimusi muuta tundide või päevade jooksul. Seetõttu ei tehta ilmaprognoose tavaliselt rohkem kui seitsme päeva jooksul tulevikus - seetõttu vajavad piknikud situatsiooniplaane.
Aga mis siis, kui me suudaksime kaootilisest süsteemist piisavalt hästi aru saada, et ennustada, kuidas see tulevikus kaugel käitub?
Kas oskate ennustada ilmateadet aastaks?
Jaanuaris 2018 õnnestus teadlastel. Nad kasutasid kaootilise süsteemi tulemuste ennustamiseks täpselt pikema aja jooksul, kui arvati võimalikuks, masinõppe abil. Ja masin tegi seda lihtsalt süsteemi dünaamikat jälgides, omamata aimugi selle taga olevatest võrranditest.
Hirm ja elevus
Oleme juba hakanud harjuma tehisintellekti uskumatute ilmingutega.
Eelmisel aastal õppis AlphaZero-nimeline programm vaid ühe päevaga nullist malemängureegleid ja peksis seejärel maailma parimat maletarkvara. Samuti õppis ta mängima Go ja ületas endise räni meistri, AlphaGo Zero algoritmi, mis paranes mängus katse-eksituse meetodil pärast reeglite söötmist.
Reklaamvideo:
Paljud neist algoritmidest saavad alguse puhtast õndsast teadmatusest ja saavad kiiresti teadmisi, jälgides protsessi või mängides iseenda vastu, parandades igal sammul tuhandeid kordi sekundis. Nende võimed inspireerivad hirmu, aukartust ja põnevust. Me kuuleme sageli kaosest, millesse nad saavad ühel päeval inimkonda uputada.
Kuid on palju huvitavam, mida tehisintellekt tulevikus teadusega koos selle “mõistmisega” teeb.
Täiuslik prognoosimine tähendab mõistmist?
Tõenäoliselt nõustub enamik teadlasi, et ennustamine ja mõistmine pole üks ja sama asi. Põhjus peitub müüdis füüsika päritolu kohta - ja võiks öelda, moodne teadus üldiselt.
Fakt on see, et üle tuhande aasta on inimesed planeetide liikumise taeva kohal ennustamiseks kasutanud kreeka-rooma matemaatiku Ptolemaiose väljapakutud meetodeid.
Ptolemaios ei teadnud gravitatsiooniteooriast midagi ega seda, et päike oli päikesesüsteemi keskpunkt. Tema meetodite hulka kuulusid rituaalsed arvutused, kasutades ringide sees olevaid ringe. Ja kuigi nad ennustasid planeedi liikumist üsna hästi, ei mõistnud keegi, miks see toimis või miks planeedid selliseid pealtnäha keerulisi reegleid järgivad.
Siis olid veel Copernicus, Galileo, Kepler ja Newton.
Newton avastas põhimõttelised diferentsiaalvõrrandid, mis reguleerivad iga planeedi liikumist. Nende abiga oli võimalik kirjeldada iga Päikesesüsteemi planeeti. Ja see oli suurepärane, sest saime aru, miks planeedid liiguvad.
Diferentsiaalvõrrandite lahendamine osutus Ptolemaiose algoritmiga võrreldes tõhusamaks viisiks planeetide liikumise ennustamiseks. Olulisem on aga see, et meie usk sellesse meetodisse on tänu universaalse gravitatsiooni seadusele võimaldanud meil avastada uusi nähtamatuid planeete. Ta selgitas, miks raketid lendavad ja õunad kukuvad ning miks on olemas kuud ja galaktikad.
Seda põhimustrit - ühendavat põhimõtet kirjeldavate võrrandikomplektide leidmist - on füüsikas ikka ja jälle edukalt kasutatud. Nii määratlesime standardmudeli, mis on poole sajandi pikkuse osakestefüüsika uurimise kulminatsioon, mis kirjeldab täpselt iga aatomi, tuuma või osakese struktuuri. Nii püüame mõista kõrge temperatuuri ülijuhtivust, tumeainet ja kvantarvuteid. (Selle meetodi põhjendamatu efektiivsus tekitas isegi küsimusi selle kohta, miks universum sobib matemaatiliseks kirjelduseks nii hästi.)
Läbi kogu teaduse tähendab millegi mõistmine tagasi algse skeemi juurde tagasipöördumist: kui suudate taandada keerulise nähtuse lihtsaks põhimõttekogumiks, saate sellest aru.
Erandid reeglist
Ja veel, on ka tüütuid erandeid, mis seda ilusat lugu rikkuvad. Turbulents on üks põhjusi, miks ilmastikku on raske ennustada - see on hea näide füüsikast. Valdav enamus bioloogiaga seotud probleemidest, mis on seotud teiste struktuuride takerdunud struktuuridega, on seletatavad ka lihtsustamise ja lihtsustamise põhimõtetega.
Kuigi pole kahtlust, et aatomeid ja keemiat ning seega ka nende süsteemide aluseks olevaid lihtsaid põhimõtteid kirjeldatakse universaalselt efektiivsete võrrandite abil, on see üsna ebaefektiivne viis kasulike prognooside loomiseks.
Samal ajal on ilmne, et need probleemid võimaldavad masinõppe meetodeid hõlpsalt kasutada.
Nii nagu iidsed kreeklased otsisid vastuseid müstilisest delfi oraakelist, otsime vastuseid teaduse kõige keerukamatele küsimustele kõikvõimalike oraaklite juurest tehisintellekti abil.
Sellised oraaklid sõidavad juba iseseisvaid sõidukeid ja valivad börsil investeerimiseesmärke ning üsna varsti ennustavad nad, millised ravimid on tõhusad bakterite vastu - ja milline saab olema ilm kahe nädala pärast.
Nad teevad need ennustused ülima täpsusega, millest me kunagi ei osanud unistada, ilma matemaatilisi mudeleid ja võrrandeid kasutamata.
Võimalik, et relvastatud andmetega miljardite kokkupõrgete kohta Suure Hadroni kokkupõrkes, suudavad nad osakestega eksperimendi tulemusi paremini ennustada kui isegi armastatud standardmudel.
Sarnaselt Delphi preestrite ilmutuse seletamatute allikatega ei suuda tõenäoliselt ka meie tehisintellekti prohvetid selgitada, miks nad ennustavad just nii ja mitte teisiti. Nende järeldused põhinevad paljudel mikrosekunditel nn. Kogemusest. Nad on nagu harimatu põllumees, kes teab, kuidas täpselt ennustada, kuidas ilm muutub, "sest luud valutavad" või muid ettekujutusi.
Teadus mõistmata?
Masinluure töö teaduse ja filosoofia valdkonnas võib olla jahmatav.
Näiteks kasvõi üha täpsemate ennustuste taustal, ehkki inimeste jaoks arusaamatute meetoditega saadud tulemuste põhjal, keelame me, et masinatel on paremad teadmised kui meil?
Kui prognoosimine on tõesti teaduse peamine eesmärk, kuidas peaksime muutma teaduslikku meetodit, algoritmi, mis on võimaldanud meil vigu tuvastada ja neid sajandite vältel parandada?
Kui me loobume mõistmisest, kas on üldse mõtet teha teadust, mida me tegime?
Keegi ei tea. Kuid kui me ei suuda sõnastada, miks teadus on midagi enamat kui võime teha häid ennustusi, leiavad teadlased varsti, et "koolitatud tehisintellekt teeb oma tööd paremini kui nad ise".
Ilja Khel
