Banyak kekecewaan para wisatawan yang merencanakan piknik musim panas, cuaca adalah hal yang sangat berubah-ubah dan tidak dapat diprediksi. Perubahan kecil dalam curah hujan, suhu, kelembaban, kecepatan angin atau arah angin dapat mengubah kondisi luar ruangan selama berjam-jam atau berhari-hari. Oleh karena itu, prakiraan cuaca biasanya tidak dibuat lebih dari tujuh hari ke depan - dan karena itu piknik memerlukan rencana darurat.
Tetapi bagaimana jika kita dapat memahami sistem yang kacau dengan cukup baik untuk memprediksi bagaimana perilakunya di masa depan?
Bisakah Anda memprediksi cuaca untuk tahun ini?
Pada Januari 2018, para ilmuwan berhasil. Mereka menggunakan pembelajaran mesin untuk secara akurat memprediksi hasil dari sistem yang kacau dalam periode yang jauh lebih lama daripada yang diperkirakan. Dan mesin melakukannya hanya dengan mengamati dinamika sistem, tanpa mengetahui persamaan di baliknya.
Takjub, takut, dan gembira
Kami sudah mulai terbiasa dengan manifestasi kecerdasan buatan yang luar biasa.
Tahun lalu, sebuah program bernama AlphaZero mempelajari aturan permainan catur dari awal hanya dalam sehari, dan kemudian mengalahkan software catur terbaik dunia. Dia juga belajar bermain Go dan melampaui mantan juara silikon, algoritma AlphaGo Zero, yang meningkat dalam permainan melalui trial and error setelah diberi aturan.
Video promosi:
Banyak dari algoritme ini dimulai dengan keadaan murni ketidaktahuan yang membahagiakan dan dengan cepat memperoleh pengetahuan dengan mengamati prosesnya atau bermain melawan diri mereka sendiri, meningkat di setiap langkah ribuan kali per detik. Kemampuan mereka menginspirasi perasaan takut, kagum, gembira. Kita sering mendengar tentang kekacauan di mana mereka bisa menjerumuskan umat manusia suatu hari nanti.
Tapi jauh lebih menarik apa yang akan dilakukan kecerdasan buatan dengan sains di masa depan, dengan “pemahamannya”.
Peramalan sempurna berarti pemahaman?
Kebanyakan ilmuwan mungkin akan setuju bahwa prediksi dan pemahaman bukanlah hal yang sama. Alasannya terletak pada mitos tentang asal mula fisika - dan, bisa dikatakan, sains modern secara umum.
Faktanya adalah bahwa selama lebih dari seribu tahun orang telah menggunakan metode yang diusulkan oleh matematikawan Yunani-Romawi Ptolemeus untuk memprediksi pergerakan planet-planet di angkasa.
Ptolemeus tidak tahu apa-apa tentang teori gravitasi atau bahwa matahari adalah pusat tata surya. Metodenya termasuk perhitungan ritual menggunakan lingkaran dalam lingkaran dalam lingkaran. Dan meskipun mereka memprediksi gerakan planet dengan cukup baik, tidak ada yang mengerti mengapa itu berhasil atau mengapa planet mematuhi aturan yang tampaknya rumit tersebut.
Lalu ada Copernicus, Galileo, Kepler dan Newton.
Newton menemukan persamaan diferensial fundamental yang mengatur gerak setiap planet. Dengan bantuan mereka, dimungkinkan untuk menggambarkan setiap planet di tata surya. Dan itu bagus karena kami mengerti mengapa planet-planet bergerak.
Memecahkan persamaan diferensial ternyata menjadi cara yang lebih efisien untuk memprediksi gerakan planet dibandingkan dengan algoritme Ptolemy. Namun, yang lebih penting adalah keyakinan kami pada metode ini telah memungkinkan kami menemukan planet baru yang tak terlihat, berkat hukum gravitasi universal. Dia menjelaskan mengapa roket terbang dan apel jatuh, dan juga mengapa bulan dan galaksi ada.
Pola dasar ini - menemukan sekumpulan persamaan yang menggambarkan prinsip pemersatu - telah digunakan dengan sukses dalam fisika berulang kali. Ini adalah cara kami mendefinisikan Model Standar, puncak dari penelitian fisika partikel selama setengah abad, yang secara akurat menggambarkan struktur setiap atom, inti, atau partikel. Ini adalah cara kami mencoba memahami superkonduktivitas suhu tinggi, materi gelap, dan komputer kuantum. (Efektivitas yang tidak dapat dibenarkan dari metode ini bahkan menimbulkan pertanyaan tentang mengapa alam semesta sangat cocok untuk deskripsi matematika.)
Sepanjang sains, memahami sesuatu berarti kembali ke skema asli: jika Anda dapat mereduksi fenomena kompleks menjadi serangkaian prinsip sederhana, Anda memahaminya.
Pengecualian untuk aturan tersebut
Namun, ada pengecualian menjengkelkan yang merusak kisah indah ini. Turbulensi adalah salah satu alasan sulitnya memprediksi cuaca - contoh utama dari fisika. Sebagian besar masalah dari biologi, dari struktur yang terjerat dalam struktur lain, juga tidak dapat dijelaskan dengan prinsip penyatuan dan penyederhanaan yang sederhana.
Meskipun tidak ada keraguan bahwa atom dan kimia, dan karenanya prinsip sederhana yang mendasari sistem ini, dijelaskan menggunakan persamaan yang efektif secara universal, ini adalah cara yang agak tidak efisien untuk menghasilkan prediksi yang berguna.
Pada saat yang sama, menjadi jelas bahwa masalah ini mudah untuk diterapkan pada metode pembelajaran mesin.
Sama seperti orang Yunani kuno mencari jawaban dari oracle Delphic mistis, kita akan mencari jawaban atas pertanyaan sains paling kompleks dari oracle mahatahu dengan kecerdasan buatan.
Peramal semacam itu sudah menggerakkan kendaraan otonom dan memilih target investasi di pasar saham, dan segera mereka akan memprediksi obat mana yang akan efektif melawan bakteri - dan seperti apa cuaca dalam dua minggu.
Mereka akan membuat prediksi ini dengan presisi tertinggi yang tidak pernah kami impikan, tanpa menggunakan model dan persamaan matematika apa pun.
Ada kemungkinan bahwa, dengan data miliaran tabrakan di Large Hadron Collider, mereka akan lebih baik dalam memprediksi hasil eksperimen dengan partikel daripada Model Standar yang disukai.
Seperti sumber yang tidak dapat dijelaskan dari wahyu pendeta wanita Delphi, nabi AI kita juga tidak mungkin dapat menjelaskan mengapa mereka memprediksi dengan cara ini dan bukan sebaliknya. Kesimpulan mereka akan didasarkan pada banyak mikrodetik dari apa yang disebut "pengalaman". Mereka akan menjadi seperti petani tidak berpendidikan yang tahu bagaimana memprediksi secara akurat bagaimana cuaca akan berubah, "karena tulang-tulangnya sakit" atau firasat lainnya.
Sains tanpa pemahaman?
Implikasi dari pekerjaan kecerdasan mesin di bidang sains dan filsafat sains bisa mengejutkan.
Misalnya, dalam menghadapi prediksi yang semakin akurat, meskipun diperoleh dengan metode yang tidak dapat dipahami oleh manusia, akankah kita menyangkal bahwa mesin memiliki pengetahuan yang lebih baik daripada yang kita miliki?
Jika peramalan benar-benar merupakan tujuan utama ilmu pengetahuan, bagaimana kita harus memodifikasi metode ilmiah, algoritma yang memungkinkan kita mengidentifikasi kesalahan dan memperbaikinya selama berabad-abad?
Jika kita melepaskan pemahaman, apakah ada gunanya melakukan ilmu yang kita lakukan?
Tidak ada yang tahu. Tetapi jika kita tidak dapat menjelaskan mengapa sains lebih dari sekadar kemampuan untuk membuat prediksi yang baik, para ilmuwan akan segera menemukan bahwa "kecerdasan buatan yang terlatih melakukan tugasnya lebih baik daripada diri mereka sendiri."
Ilya Khel
