Sehr zum Leidwesen der Urlauber, die ein Sommerpicknick planen, ist das Wetter unglaublich launisch und unvorhersehbar. Kleine Änderungen von Niederschlag, Temperatur, Luftfeuchtigkeit, Windgeschwindigkeit oder Windrichtung können die Außenbedingungen über Stunden oder Tage ändern. Daher werden Wettervorhersagen normalerweise nicht länger als sieben Tage in der Zukunft erstellt - und daher erfordern Picknicks Notfallpläne.
Aber was wäre, wenn wir ein chaotisches System gut genug verstehen könnten, um vorherzusagen, wie es sich in Zukunft weit verhalten wird?
Können Sie das Wetter für das Jahr vorhersagen?
Im Januar 2018 gelang es Wissenschaftlern. Sie verwendeten maschinelles Lernen, um das Ergebnis eines chaotischen Systems über einen viel längeren Zeitraum genau vorherzusagen, als dies für möglich gehalten wurde. Und die Maschine tat es einfach, indem sie die Dynamik des Systems beobachtete und keine Ahnung von den Gleichungen dahinter hatte.
Ehrfurcht, Angst und Aufregung
Wir haben bereits begonnen, uns an die unglaublichen Manifestationen künstlicher Intelligenz zu gewöhnen.
Letztes Jahr lernte ein Programm namens AlphaZero die Regeln des Schachspiels in nur einem Tag von Grund auf neu und schlug dann die weltweit beste Schach-Software. Sie lernte auch Go zu spielen und übertraf den ehemaligen Silizium-Champion, den AlphaGo Zero-Algorithmus, der sich im Spiel durch Versuch und Irrtum verbesserte, nachdem er die Regeln erhalten hatte.
Werbevideo:
Viele dieser Algorithmen beginnen mit einem reinen Zustand glückseliger Ignoranz und gewinnen schnell Wissen, indem sie den Prozess beobachten oder gegen sich selbst spielen und sich bei jedem Schritt tausende Male pro Sekunde verbessern. Ihre Fähigkeiten wecken Gefühle von Angst, Ehrfurcht und Aufregung. Wir hören oft von dem Chaos, in das sie eines Tages die Menschheit stürzen können.
Viel interessanter ist jedoch, was künstliche Intelligenz in Zukunft mit der Wissenschaft und ihrem „Verständnis“anstellen wird.
Perfekte Vorhersage bedeutet Verständnis?
Die meisten Wissenschaftler werden wahrscheinlich zustimmen, dass Vorhersage und Verständnis nicht dasselbe sind. Der Grund liegt im Mythos über den Ursprung der Physik - und man könnte sagen in der modernen Wissenschaft im Allgemeinen.
Tatsache ist, dass die Menschen seit über tausend Jahren die vom griechisch-römischen Mathematiker Ptolemäus vorgeschlagenen Methoden anwenden, um die Bewegung von Planeten über den Himmel vorherzusagen.
Ptolemaios wusste nichts über die Gravitationstheorie oder dass die Sonne das Zentrum des Sonnensystems war. Zu seinen Methoden gehörten rituelle Berechnungen unter Verwendung von Kreisen innerhalb von Kreisen innerhalb von Kreisen. Und während sie die Planetenbewegung ziemlich gut vorhersagten, verstand niemand, warum sie funktionierte oder warum die Planeten solch scheinbar komplexen Regeln gehorchen.
Dann gab es Copernicus, Galileo, Kepler und Newton.
Newton entdeckte die grundlegenden Differentialgleichungen, die die Bewegung jedes Planeten bestimmen. Mit ihrer Hilfe konnte jeder Planet im Sonnensystem beschrieben werden. Und das war großartig, weil wir verstanden haben, warum sich die Planeten bewegen.
Das Lösen von Differentialgleichungen erwies sich im Vergleich zum Ptolemäus-Algorithmus als effizientere Methode zur Vorhersage der Planetenbewegung. Wichtiger ist jedoch, dass unser Glaube an diese Methode es uns ermöglicht hat, dank des Gesetzes der universellen Schwerkraft neue unsichtbare Planeten zu entdecken. Er erklärte, warum Raketen fliegen und Äpfel fallen und warum es Monde und Galaxien gibt.
Dieses Grundmuster - eine Reihe von Gleichungen zu finden, die ein einheitliches Prinzip beschreiben - wurde in der Physik immer wieder erfolgreich eingesetzt. Auf diese Weise haben wir das Standardmodell definiert, das den Höhepunkt eines halben Jahrhunderts Teilchenphysikforschung darstellt und die Struktur jedes Atoms, Kerns oder Teilchens genau beschreibt. Auf diese Weise versuchen wir, Hochtemperatursupraleitung, dunkle Materie und Quantencomputer zu verstehen. (Die ungerechtfertigte Wirksamkeit dieser Methode warf sogar Fragen auf, warum sich das Universum so gut für mathematische Beschreibungen eignet.)
In der gesamten Wissenschaft bedeutet das Verstehen von etwas, zum ursprünglichen Schema zurückzukehren: Wenn Sie ein komplexes Phänomen auf einen einfachen Satz von Prinzipien reduzieren können, verstehen Sie es.
Ausnahmen von der Regel
Und doch gibt es nervige Ausnahmen, die diese schöne Geschichte verderben. Turbulenzen sind einer der Gründe, warum es schwierig ist, das Wetter vorherzusagen - ein Paradebeispiel aus der Physik. Die überwiegende Mehrheit der Probleme aus der Biologie, aus verschränkten Strukturen in anderen Strukturen, lässt sich auch nicht durch einfache Prinzipien der Vereinigung und Vereinfachung erklären.
Während es keinen Zweifel gibt, dass Atome und Chemie und damit die einfachen Prinzipien, die diesen Systemen zugrunde liegen, unter Verwendung universell wirksamer Gleichungen beschrieben werden, ist dies eine ziemlich ineffektive Methode, um nützliche Vorhersagen zu generieren.
Gleichzeitig wird deutlich, dass sich diese Probleme leicht für Methoden des maschinellen Lernens eignen.
So wie die alten Griechen nach Antworten aus dem mystischen Delphischen Orakel suchten, werden wir nach Antworten auf die komplexesten Fragen der Wissenschaft aus allwissenden Orakeln mit künstlicher Intelligenz suchen.
Solche Orakel fahren bereits autonome Fahrzeuge und wählen Investitionsziele an der Börse. Sehr bald werden sie vorhersagen, welche Medikamente gegen Bakterien wirksam sein werden - und wie das Wetter in zwei Wochen sein wird.
Sie werden diese Vorhersagen mit der höchsten Präzision treffen, von der wir nie geträumt haben, ohne mathematische Modelle und Gleichungen zu verwenden.
Es ist möglich, dass sie mit Daten zu Milliarden von Kollisionen beim Large Hadron Collider das Ergebnis eines Experiments mit Partikeln besser vorhersagen können als selbst das beliebte Standardmodell.
Ähnlich wie die unerklärlichen Quellen der Offenbarung der Delphi-Priesterinnen ist es auch unwahrscheinlich, dass unsere Propheten der künstlichen Intelligenz erklären können, warum sie dies vorhersagen und nicht anders. Ihre Schlussfolgerungen werden auf vielen Mikrosekunden der sogenannten "Erfahrung" basieren. Sie werden wie ein ungebildeter Bauer sein, der genau vorhersagen kann, wie sich das Wetter ändern wird, "weil die Knochen schmerzen" oder andere Vorahnungen.
Wissenschaft ohne Verständnis?
Die Auswirkungen der Arbeit der maschinellen Intelligenz auf dem Gebiet der Wissenschaft und der Wissenschaftsphilosophie können verblüffend sein.
Werden wir zum Beispiel angesichts immer genauerer Vorhersagen, obwohl sie mit Methoden erzielt wurden, die für den Menschen unverständlich sind, leugnen, dass Maschinen über bessere Kenntnisse verfügen als wir?
Wenn Prognose wirklich das Hauptziel der Wissenschaft ist, wie sollten wir dann die wissenschaftliche Methode modifizieren, den Algorithmus, mit dem wir Fehler identifizieren und seit Jahrhunderten korrigieren können?
Wenn wir das Verständnis aufgeben, gibt es irgendeinen Grund, die Wissenschaft zu machen, die wir gemacht haben?
Niemand weiß es. Wenn wir jedoch nicht artikulieren können, warum Wissenschaft mehr ist als die Fähigkeit, gute Vorhersagen zu treffen, werden Wissenschaftler bald feststellen, dass "ausgebildete künstliche Intelligenz ihre Arbeit besser macht als sie selbst".
Ilya Khel
