Au grand dam des vacanciers qui planifient un pique-nique d'été, le temps est une chose incroyablement capricieuse et imprévisible. De petits changements dans les précipitations, la température, l'humidité, la vitesse du vent ou la direction du vent peuvent changer les conditions extérieures au fil des heures ou des jours. Par conséquent, les prévisions météorologiques ne sont généralement pas faites plus de sept jours dans le futur - et par conséquent, les pique-niques nécessitent des plans d'urgence.
Mais que se passerait-il si nous pouvions comprendre suffisamment bien un système chaotique pour prédire comment il se comportera dans le futur?
Pouvez-vous prédire la météo de l'année?
En janvier 2018, les scientifiques ont réussi. Ils ont utilisé l'apprentissage automatique pour prédire avec précision le résultat d'un système chaotique sur une période beaucoup plus longue qu'on ne le pensait possible. Et la machine l'a fait simplement en observant la dynamique du système, n'ayant aucune idée des équations derrière lui.
Crainte, peur et excitation
Nous avons déjà commencé à nous habituer aux incroyables manifestations de l'intelligence artificielle.
L'année dernière, un programme appelé AlphaZero a appris les règles du jeu d'échecs à partir de zéro en une seule journée, puis a battu le meilleur logiciel d'échecs du monde. Elle a également appris à jouer à Go et a surpassé l'ancien champion du silicium, l'algorithme AlphaGo Zero, qui s'est amélioré dans le jeu par essais et erreurs après avoir été alimenté par les règles.
Vidéo promotionelle:
Beaucoup de ces algorithmes commencent avec un état pur d'ignorance bienheureuse et acquièrent rapidement des connaissances en observant le processus ou en jouant contre eux-mêmes, s'améliorant à chaque étape des milliers de fois par seconde. Leurs capacités inspirent des sentiments de peur, de crainte et d'excitation. On entend souvent parler du chaos dans lequel ils peuvent plonger un jour l'humanité.
Mais il est beaucoup plus intéressant de savoir ce que l'intelligence artificielle fera de la science dans le futur, avec sa «compréhension».
La prévision parfaite signifie la compréhension?
La plupart des scientifiques conviendront probablement que la prédiction et la compréhension ne sont pas la même chose. La raison réside dans le mythe sur l'origine de la physique - et, pourrait-on dire, de la science moderne en général.
Le fait est que depuis plus de mille ans, les gens ont utilisé les méthodes proposées par le mathématicien gréco-romain Ptolémée pour prédire le mouvement des planètes dans le ciel.
Ptolémée ne savait rien de la théorie de la gravité ou du fait que le soleil était le centre du système solaire. Ses méthodes comprenaient des calculs rituels utilisant des cercles dans des cercles dans des cercles. Et bien qu'ils prédisaient assez bien le mouvement planétaire, personne ne comprenait pourquoi cela fonctionnait ou pourquoi les planètes obéissaient à des règles apparemment complexes.
Puis il y avait Copernic, Galilée, Kepler et Newton.
Newton a découvert les équations différentielles fondamentales qui régissent le mouvement de chaque planète. Avec leur aide, il a été possible de décrire chaque planète du système solaire. Et c'était génial parce que nous avons compris pourquoi les planètes bougent.
La résolution d'équations différentielles s'est avérée être un moyen plus efficace de prédire le mouvement planétaire par rapport à l'algorithme de Ptolémée. Le plus important, cependant, est que notre croyance en cette méthode nous a permis de découvrir de nouvelles planètes invisibles, grâce à la loi de la gravité universelle. Il a expliqué pourquoi les fusées volent et les pommes tombent, et aussi pourquoi les lunes et les galaxies existent.
Ce schéma de base - trouver un ensemble d'équations décrivant un principe unificateur - a été utilisé avec succès en physique à maintes reprises. C'est ainsi que nous avons défini le modèle standard, le point culminant d'un demi-siècle de recherche en physique des particules, qui décrit avec précision la structure de chaque atome, noyau ou particule. C'est ainsi que nous essayons de comprendre la supraconductivité à haute température, la matière noire et les ordinateurs quantiques. (L'efficacité injustifiée de cette méthode a même soulevé la question de savoir pourquoi l'univers se prête si bien à la description mathématique.)
Tout au long de la science, comprendre quelque chose signifie revenir au schéma original: si vous pouvez réduire un phénomène complexe à un simple ensemble de principes, vous le comprenez.
Exceptions à la règle
Et pourtant, il y a des exceptions ennuyeuses qui gâchent cette belle histoire. La turbulence est l'une des raisons pour lesquelles il est difficile de prévoir le temps - un excellent exemple de la physique. La grande majorité des problèmes de biologie, des structures enchevêtrées dans d'autres structures, défient également l'explication par de simples principes d'unification et de simplification.
S'il ne fait aucun doute que les atomes et la chimie, et donc les principes simples qui sous-tendent ces systèmes, sont décrits à l'aide d'équations universellement efficaces, c'est une manière plutôt inefficace de générer des prédictions utiles.
Dans le même temps, il devient évident que ces problèmes se prêtent facilement aux méthodes d'apprentissage automatique.
Tout comme les Grecs de l'Antiquité cherchaient des réponses de l'oracle mystique de Delphes, nous chercherons des réponses aux questions les plus complexes de la science à partir d'oracles omniscients dotés d'une intelligence artificielle.
De tels oracles conduisent déjà des véhicules autonomes et sélectionnent des objectifs d'investissement sur le marché boursier, et très bientôt, ils prédiront quels médicaments seront efficaces contre les bactéries - et quel temps il fera dans deux semaines.
Ils feront ces prédictions avec la plus grande précision dont nous n'avons jamais rêvé, sans utiliser de modèles et d'équations mathématiques.
Il est possible que, armés de données sur des milliards de collisions au Grand collisionneur de hadrons, ils réussissent mieux à prédire le résultat d'une expérience avec des particules que même le modèle standard bien-aimé.
Comme les sources inexplicables de la révélation des prêtresses de Delphes, nos prophètes de l'IA sont également peu susceptibles d'expliquer pourquoi ils prédisent de cette manière et pas autrement. Leurs conclusions seront basées sur de nombreuses microsecondes de ce que l'on pourrait appeler «l'expérience». Ils seront comme un agriculteur sans instruction qui sait prédire avec précision comment le temps va changer, "parce que les os font mal" ou d'autres prémonitions.
Science sans compréhension?
Les implications du travail de l'intelligence artificielle dans le domaine de la science et la philosophie de la science peuvent être surprenantes.
Par exemple, face à des prédictions toujours plus précises, certes obtenues par des méthodes incompréhensibles pour les humains, nierons-nous que les machines ont une meilleure connaissance que nous?
Si la prévision est vraiment l'objectif principal de la science, comment modifier la méthode scientifique, l'algorithme qui nous a permis d'identifier les erreurs et de les corriger pendant des siècles?
Si nous renonçons à la compréhension, est-il utile de faire la science que nous faisions?
Personne ne sait. Mais si nous ne pouvons pas expliquer pourquoi la science est plus que la capacité de faire de bonnes prédictions, les scientifiques découvriront bientôt que «l'intelligence artificielle formée fait son travail mieux qu'eux».
Ilya Khel