Mye til uhag for ferierende som planlegger en sommerpiknik, er været en utrolig lunefull og uforutsigbar ting. Små endringer i nedbør, temperatur, luftfuktighet, vindstyrke eller vindretning kan endre utendørsforhold over timer eller dager. Derfor blir værvarslene vanligvis ikke laget mer enn syv dager fremover - og derfor krever piknikker beredskapsplaner.
Men hva om vi kunne forstå et kaotisk system godt nok til å forutsi hvordan det vil oppføre seg langt fremover?
Kan du spå været for året?
I januar 2018 lyktes forskere. De brukte maskinlæring for å nøyaktig forutsi utfallet av et kaotisk system over en mye lengre periode enn det man trodde var mulig. Og maskinen gjorde det ganske enkelt ved å observere dynamikken i systemet, uten å ha noen anelse om ligningene bak det.
Ærefrykt, frykt og spenning
Vi har allerede begynt å venne oss til de utrolige manifestasjonene av kunstig intelligens.
I fjor lærte et program kalt AlphaZero reglene for sjakkspillet fra grunnen av på bare en dag, og slo deretter verdens beste sjakkprogramvare. Hun lærte også å spille Go og overgikk den tidligere silisiummesteren, AlphaGo Zero-algoritmen, som forbedret seg i spillet gjennom prøving og feiling etter å ha fått mat på reglene.
Salgsfremmende video:
Mange av disse algoritmene starter med en ren tilstand av salig uvitenhet og får raskt kunnskap ved å se prosessen eller spille mot seg selv, og forbedre seg med hvert trinn tusenvis av ganger i sekundet. Deres evner inspirerer til følelser av frykt, ærefrykt, spenning. Vi hører ofte om kaoset de kan stupe i menneskeheten en dag.
Men det er mye mer interessant hva kunstig intelligens vil gjøre med vitenskap i fremtiden, med dens "forståelse".
Perfekt prognoser betyr forståelse?
De fleste forskere vil nok være enige i at prediksjon og forståelse ikke er det samme. Årsaken ligger i myten om fysikkens opprinnelse - og, kan man si, moderne vitenskap generelt.
Faktum er at i over tusen år har mennesker brukt metodene foreslått av den gresk-romerske matematikeren Ptolemaios for å forutsi bevegelsen av planeter over himmelen.
Ptolemaios visste ingenting om teorien om tyngdekraften eller at solen var sentrum av solsystemet. Hans metoder inkluderte rituelle beregninger ved bruk av sirkler i sirkler i sirkler. Og mens de spådde planetbevegelse ganske bra, var det ingen som forsto hvorfor det fungerte, eller hvorfor planetene overholder slike tilsynelatende kompliserte regler.
Så var det Copernicus, Galileo, Kepler og Newton.
Newton oppdaget de grunnleggende differensiallikningene som styrer bevegelsen til hver planet. Med deres hjelp var det mulig å beskrive hver planet i solsystemet. Og det var flott fordi vi forsto hvorfor planetene beveget seg.
Å løse differensialligninger viste seg å være en mer effektiv måte å forutsi planetbevegelse i sammenligning med Ptolemys algoritme. Viktigere er imidlertid at vår tro på denne metoden har tillatt oss å oppdage nye usynlige planeter, takket være loven om universell tyngdekraft. Han forklarte hvorfor raketter flyr og epler faller, og også hvorfor måner og galakser eksisterer.
Dette grunnleggende mønsteret - å finne et sett med ligninger som beskriver et samlende prinsipp - har blitt brukt med suksess i fysikken om og om igjen. Slik definerte vi Standardmodellen, kulminasjonen på et halvt århundre med partikkelfysikkforskning, som nøyaktig beskriver strukturen til hvert atom, kjernen eller partikkel. Slik prøver vi å forstå superlednings-, mørk materie- og kvantemaskiner ved høy temperatur. (Den uberettigede effektiviteten av denne metoden reiste til og med spørsmål om hvorfor universet gir seg så godt til matematisk beskrivelse.)
Gjennom vitenskapen betyr å forstå noe å gå tilbake til det originale skjemaet: hvis du kan redusere et komplekst fenomen til et enkelt sett med prinsipper, forstår du det.
Unntak fra regelen
Og likevel er det irriterende unntak som ødelegger denne vakre historien. Turbulens er en av grunnene til at det er vanskelig å forutsi været - et godt eksempel fra fysikk. De aller fleste problemene fra biologi, fra sammenfiltrede strukturer i andre strukturer, trosser også forklaring ved enkle prinsipper for forening og forenkling.
Selv om det ikke er tvil om at atomer og kjemi, og dermed de enkle prinsippene som ligger til grunn for disse systemene, er beskrevet ved bruk av universelt effektive ligninger, er dette en ganske ineffektiv måte å generere nyttige forutsigelser.
Samtidig blir det tydelig at disse problemene egner seg lett til maskinlæringsmetoder.
Akkurat som de gamle grekerne lette etter svar fra det mystiske Delphic-orakelet, vil vi lete etter svar på de mest komplekse spørsmålene om vitenskap fra alvitende orakler med kunstig intelligens.
Slike orakler kjører allerede autonome kjøretøy og velger investeringsmål i aksjemarkedet, og snart vil de forutsi hvilke medisiner som vil være effektive mot bakterier - og hvordan været vil være om to uker.
De vil gjøre disse spådommene med den høyeste presisjon som vi aldri har drømt om, uten å bruke matematiske modeller og ligninger.
Det er mulig at de, bevæpnet med data om milliarder av kollisjoner hos Large Hadron Collider, vil gjøre det bedre med å forutsi utfallet av et eksperiment med partikler enn til og med den elskede Standardmodellen.
I likhet med de uforklarlige kildene til Delphi-presteses åpenbaring, er det heller ikke sannsynlig at våre kunstige intelligensprofeter kan forklare hvorfor de spår på denne måten og ikke ellers. Konklusjonene deres vil være basert på mange mikrosekunder av det som kan kalles "erfaring". De vil være som en uutdannet bonde som vet hvordan han nøyaktig kan forutsi hvordan været vil endre seg, "fordi beinene verke" eller andre forutinnstillinger.
Vitenskap uten forståelse?
Implikasjonene av arbeidet med maskinell intelligens innen vitenskapen og vitenskapsfilosofien kan være oppsiktsvekkende.
For eksempel, i møte med stadig mer nøyaktige spådommer, riktignok oppnådd ved metoder som er uforståelige for mennesker, vil vi benekte at maskiner har bedre kunnskap enn vi gjør?
Hvis prognoser virkelig er vitenskapens hovedmål, hvordan skal vi endre den vitenskapelige metoden, algoritmen som har tillatt oss å identifisere feil og rette dem i århundrer?
Hvis vi gir opp forståelsen, er det noe poeng i å gjøre vitenskapen vi gjorde?
Ingen vet. Men hvis vi ikke kan formulere hvorfor vitenskap er mer enn evnen til å gjøre gode forutsigelser, vil forskere snart finne at "trent kunstig intelligens gjør jobben sin bedre enn dem selv."
Ilya Khel
