Para disgusto de los vacacionistas que planean un picnic de verano, el clima es increíblemente caprichoso e impredecible. Pequeños cambios en la lluvia, la temperatura, la humedad, la velocidad del viento o la dirección del viento pueden cambiar las condiciones exteriores durante horas o días. Por lo tanto, los pronósticos meteorológicos generalmente no se hacen más de siete días en el futuro y, por lo tanto, los picnics requieren planes de contingencia.
Pero, ¿y si pudiéramos comprender un sistema caótico lo suficientemente bien como para predecir cómo se comportará en el futuro?
¿Puedes predecir el clima del año?
En enero de 2018, los científicos lo lograron. Utilizaron el aprendizaje automático para predecir con precisión el resultado de un sistema caótico durante un período mucho más largo de lo que se creía posible. Y la máquina lo hizo simplemente observando la dinámica del sistema, sin tener idea de las ecuaciones detrás de él.
norte
Asombro, miedo y emoción
Ya hemos empezado a acostumbrarnos a las increíbles manifestaciones de la inteligencia artificial.
El año pasado, un programa llamado AlphaZero aprendió las reglas del juego de ajedrez desde cero en solo un día y luego superó al mejor software de ajedrez del mundo. También aprendió a jugar Go y superó al ex campeón de silicio, el algoritmo AlphaGo Zero, que mejoró en el juego a través de prueba y error después de ser alimentada con las reglas.
Video promocional:
Muchos de estos algoritmos comienzan con un estado puro de ignorancia dichosa y rápidamente adquieren conocimiento observando el proceso o jugando contra sí mismos, mejorando en cada paso miles de veces por segundo. Sus habilidades inspiran sentimientos de miedo, asombro, emoción. A menudo escuchamos sobre el caos en el que algún día pueden hundir a la humanidad.
Pero es mucho más interesante lo que hará la inteligencia artificial con la ciencia en el futuro, con su "comprensión".
¿Pronóstico perfecto significa comprensión?
La mayoría de los científicos probablemente estarán de acuerdo en que la predicción y la comprensión no son lo mismo. La razón radica en el mito sobre el origen de la física y, se podría decir, de la ciencia moderna en general.
El hecho es que durante más de mil años la gente ha utilizado los métodos propuestos por el matemático grecorromano Ptolomeo para predecir el movimiento de los planetas a través del cielo.
Ptolomeo no sabía nada sobre la teoría de la gravedad o que el sol era el centro del sistema solar. Sus métodos incluían cálculos rituales usando círculos dentro de círculos dentro de círculos. Y aunque predijeron bastante bien el movimiento planetario, nadie entendió por qué funcionaba o por qué los planetas obedecen reglas tan aparentemente complejas.
Luego estaban Copérnico, Galileo, Kepler y Newton.
Newton descubrió las ecuaciones diferenciales fundamentales que gobiernan el movimiento de cada planeta. Con su ayuda, fue posible describir todos los planetas del sistema solar. Y eso fue genial porque entendimos por qué se mueven los planetas.
Resolver ecuaciones diferenciales resultó ser una forma más eficiente de predecir el movimiento planetario en comparación con el algoritmo de Ptolomeo. Más importante, sin embargo, es que nuestra creencia en este método nos ha permitido descubrir nuevos planetas invisibles, gracias a la ley de la gravedad universal. Explicó por qué los cohetes vuelan y las manzanas caen, y también por qué existen las lunas y las galaxias.
Este patrón básico, encontrar un conjunto de ecuaciones que describen un principio unificador, se ha utilizado con éxito en física una y otra vez. Así es como definimos el Modelo Estándar, la culminación de medio siglo de investigación en física de partículas, que describe con precisión la estructura de cada átomo, núcleo o partícula. Así es como intentamos comprender la superconductividad de alta temperatura, la materia oscura y las computadoras cuánticas. (La efectividad injustificada de este método incluso planteó preguntas sobre por qué el universo se presta tan bien a la descripción matemática).
norte
En toda la ciencia, comprender algo significa volver al esquema original: si puedes reducir un fenómeno complejo a un simple conjunto de principios, lo entenderás.
Excepciones a la regla
Y, sin embargo, hay molestas excepciones que estropean esta hermosa historia. La turbulencia es una de las razones por las que es difícil predecir el clima, un excelente ejemplo de la física. La gran mayoría de los problemas de la biología, de las estructuras entrelazadas en otras estructuras, también desafían la explicación mediante simples principios de unificación y simplificación.
Si bien no hay duda de que los átomos y la química, y por lo tanto los principios simples que subyacen a estos sistemas, se describen utilizando ecuaciones universalmente efectivas, esta es una forma bastante ineficaz de generar predicciones útiles.
Al mismo tiempo, resulta evidente que estos problemas se prestan fácilmente a los métodos de aprendizaje automático.
Así como los antiguos griegos buscaban respuestas del místico oráculo de Delfos, nosotros buscaremos respuestas a las preguntas más complejas de la ciencia en oráculos omniscientes con inteligencia artificial.
Tales oráculos ya están conduciendo vehículos autónomos y eligiendo objetivos de inversión en el mercado de valores, y muy pronto predecirán qué medicamentos serán efectivos contra las bacterias y cómo será el clima en dos semanas.
Harán estas predicciones con la mayor precisión con la que nunca soñamos, sin utilizar ningún modelo matemático ni ecuaciones.
Es posible que, armados con datos sobre miles de millones de colisiones en el Gran Colisionador de Hadrones, puedan predecir mejor el resultado de un experimento con partículas que incluso el amado Modelo Estándar.
De manera similar a las fuentes inexplicables de la revelación de las sacerdotisas de Delphi, es poco probable que nuestros profetas de inteligencia artificial puedan explicar por qué predicen de esta manera y no de otra manera. Sus conclusiones se basarán en muchos microsegundos de lo que podría llamarse "experiencia". Serán como un granjero sin educación que sabe cómo predecir con precisión cómo cambiará el clima, "porque los huesos duelen" u otras premoniciones.
¿Ciencia sin comprensión?
Las implicaciones del trabajo de la inteligencia artificial en el campo de la ciencia y la filosofía de la ciencia pueden resultar sorprendentes.
Por ejemplo, ante predicciones cada vez más precisas, aunque obtenidas mediante métodos incomprensibles para los humanos, ¿negaremos que las máquinas tengan un conocimiento mejor que nosotros?
Si la predicción es realmente el principal objetivo de la ciencia, ¿cómo deberíamos modificar el método científico, el algoritmo que nos ha permitido identificar errores y corregirlos durante siglos?
Si renunciamos a la comprensión, ¿tiene algún sentido hacer la ciencia que estábamos haciendo?
Nadie sabe. Pero si no podemos articular por qué la ciencia es más que la capacidad de hacer buenas predicciones, los científicos pronto descubrirán que "la inteligencia artificial entrenada hace su trabajo mejor que ellos mismos".
Ilya Khel
