Может ли машинное обучение положить конец «понятной» науке?

К большому огорчению отдыхающих, планирующих летний пикник, погода — невероятно капризная и непредсказуемая штука. Небольшие изменения в осадках, температуре, влажности, скорости ветра или его направлении могут изменить уличные условия за какие-то часы или дни. Поэтому прогнозы погоды обычно не делаются больше чем на семь дней в будущее — и поэтому же пикники требуют запасных планов.


Но что, если бы мы могли понять хаотическую систему достаточно хорошо, чтобы предсказывать, как она будет вести себя далеко в будущем?
Можно ли спрогнозировать погоду на год?
В январе 2018 года ученым это удалось. Они использовали машинное обучение для точного прогнозирования исхода хаотической системы на протяжении намного более длительного времени, чем считалось возможным. И машина сделала это просто наблюдая за динамикой системы, не имея никакого представления об уравнениях, стоящих за ней.
Трепет, страх и волнение
Мы уже начали привыкать к невероятным проявлениям способностей искусственного интеллекта.
В прошлом году программа под названием AlphaZero обучилась правилам игры в шахматы с нуля всего за день, а затем одолела лучшие в мире программы для игры в шахматы. Также она обучилась игре в го и превзошла бывшего кремниевого чемпиона, алгоритм AlphaGo Zero, который совершенствовался в игре в процессе проб и ошибок после того, как ему скормили правила.
Многие из этих алгоритмов начинают с чистого состояния блаженного невежества и быстро набирают знания, наблюдая за процессом или играя против самих себя, совершенствуясь на каждом шаге тысячи раз в секунду. Их способности внушают чувства страха, благоговения, волнения. Зачастую мы слышим о хаосе, в который они могут повергнуть человечество однажды.
Но куда интереснее, что сделает искусственный интеллект с наукой в будущем, с ее «пониманием».
Идеальное прогнозирование означает понимание?
Большинство ученых, вероятно, сойдутся во мнении, что предсказание и понимание — не одно и то же. Причина кроется в мифе о происхождении физики — и, можно сказать, современной науки в целом.
Дело в том, что больше тысячи лет люди использовали методы, предложенные греко-римским математиком Птолемеем, чтобы предсказывать движение планет по небу.
Птолемей не знал ничего о теории гравитации или о том, что солнце было центром Солнечной системы. Его методы включали ритуальные расчеты с использованием кругов внутри кругов внутри кругов. И хотя они предсказывали планетарное движение довольно хорошо, никто не понимал, почему это работает и почему планеты подчиняются таким, казалось бы, сложным правилам.
Затем были Коперник, Галилей, Кеплер и Ньютон.
Ньютон открыл фундаментальные дифференциальные уравнения, которые управляют движением каждой планеты. С их помощью можно было описать каждую планету в Солнечной системе. И это было прекрасно, потому что мы поняли, почему планеты двигаются.
Решение дифференциальных уравнение оказалось более эффективным способом прогнозирования планетарного движения в сравнении с алгоритмом Птолемея. Что более важно, впрочем, это то, что наша вера в этот метод позволила нам открыть новые невидимые планеты, благодая закону универсальной гравитации. Он объяснял, почему ракеты летают и яблоки падают, а также почему существуют луны и галактики.
Этот базовый шаблон — поиск набора уравнений, описывающих объединяющий принцип — использовался успешно в физике снова и снова. Так мы определили Стандартную модель, кульминацию полувека исследований физики частиц, которая точно описывает структуру каждого атома, ядра или частицы. Так мы пытаемся понять высокотемпературную сверхпроводимость, темную материю и квантовые компьютеры. (Неоправданная эффективность этого метода даже вызвала вопросы о том, почему вселенная так прекрасно поддается математическому описанию).
Во всей науке понятие понимания чего-то означает возвращение к изначальной схеме: если вы можете сократить сложное явление до простого набора принципов, вы его поняли.
Исключения из правил
И все же, существуют досадные исключения, которые портят этот красивый рассказ. Турбулентность