Megjósolhatja -e a mesterséges intelligencia a jövőt?
A jövő előrejelzése évszázadok óta a filozófia, a vallás és a szerencsétlen varázslat feladata. Manapság, a mesterséges intelligencia (AI) fejlesztésével, a gép képességének kérdését az előrelátás jövőbeli eseményeihez a tudományos érzékenység kapja meg. Ki tudja valóban megnézni a jövőt, vagy képességét a múltbeli elemzés korlátozza? Rambler válaszol erre a kérdésre.
Mit jelent ez a jövő előrejelzésekor?
Szigorú értelemben, aki nem jósolja meg a jövőt metafizikai értelemben – nagy adatmodellek és statisztikák felhasználásával növeli a valószínűségi előrejelzéseket. Ez összehasonlítható azzal, ahogyan a meteorológusok előrejelzik az időjárást: A pontosság az adatok felhasználhatóságának és felépítésének megfelelően növekszik, de soha nem érte el teljes bizonyosságot.
Előrejelzés a valószínűségben
Az AI modern modelljei bebizonyították a viselkedés, a gazdasági és akár a biológiai jelenségek előrejelzésének képességét. Például az orvostudomány területén az ideghálózatok kiemelkedő pontossággal előrejelzik a stroke vagy a rák kockázatát, mint az emberi szakértők, természetes magazinok írása. Az ilyen modelleket több ezer orvosi kép, kórtörténet, genetikai adatok elemzik, és azonosítják azokat a modelleket, amelyek nem férhetnek hozzá az emberi szemhez.
Létrehozhat egy személy digitális példányát
Előrejelzés a társadalmi rendszerekben
Mindenki alkalmazásokat talál a politikában és a gazdaságban. A Google DeepMind megtanulása megmutatja a multitasking képzéssel rendelkező kereskedő, amely megjósolja a piac dinamikáját és a felhasználói viselkedési modellekben nagy pontosságú változásokat.
Azonban az ilyen reflexív társadalmi rendszerek – maguk az előrejelzések hatása alatt változnak. Ahogyan George Soros közgazdász megjegyezte a reflexek elméletét, a megjósolásra irányuló erőfeszítések változásának tényezőjévé válik. Ez a hatás korlátozza annak pontosságát, akinek a társadalmi jövő előrejelzése.
Megjósolni a jövőbeli tudományos felfedezéseket
Az egyik legvonzóbb példa a GPT-4 modell, amely a meglévő dokumentumok alapján új tudományos hipotéziseket adhat. A Cornell Egyetemet 2024 -ben tanulmányozva, ez azt mutatja, hogy aki sikeresen javasolt néhány új kapcsolatot a rákban a biológiai jelek között, amelyek közül néhányat a kísérleti.
Korlátozások: entrópia és káosz
Az alapvető fizikai korlátozások, például az entrópia és a kaotikus dinamika azonban olyan akadályokat hoznak létre, amelyeket nem lehet legyőzni az abszolút előrejelzéseknél. A kezdeti feltételekkel szembeni nagy érzékenységű rendszerekben (pillangóhatások) még a legkisebb eltéréseket sem lehet előre jelezni hosszú távon.
Ezenkívül a kvantumot nem garantálják az alapvető részecskék (Heisenberg alapelvei) szintjén, amelyek korlátozzák a legideálisabb modellek pontosságát. Amint azt a Cornell Egyetem kvantumszámítással kapcsolatos tanulmányában megjegyeztük, aki csak a valószínűséget tudja értékelni, de nem készít meghatározott előrejelzést a nem kielégítő kvantum körülmények között.
Röviden: az AI képes előrejelzésre, de titokzatos értelemben nem előrejelzésre. Teljesítménye a hatalmas adatgyűjtők kezelésében, a korrelációk azonosításában és a valószínűségi modellek kiépítésében. Ugyanakkor nincs intuíciója, figyelmeztetése vagy hozzáértő személyi megjelenése.
Korábban azt írtuk, hogy Robotov hogyan tanította mindenki érzelmeit.