ШІ може мати вирішальне значення для розуміння наслідків мінливого навколишнього середовища – якщо політики зможуть гарантувати, що він забезпечує суспільні блага.
Ми щойно стали свідками початку зміни парадигми в науці про Землю. Стаття, опублікована в липні в журналі Nature, показала, що нейронна мережа (штучний інтелект, ШІ) прогнозує погоду краще, ніж Європейський центр середньострокових прогнозів погоди, який має найсучаснішу в світі систему прогнозування. Потім, у листопаді, DeepMind від Google оголосив, що його штучний інтелект, який прогнозує погоду, зробив ще більш точні прогнози.
Традиційний підхід до прогнозування погоди полягає у використанні спостережень, зроблених у певний момент часу, як початкових умов для рівнянь, заснованих на фізичних принципах. На відміну від цього, ШІ поглинає дані, зібрані протягом тривалих періодів часу, а потім “вивчає” динаміку, яку традиційні рівняння повинні описувати в явному вигляді. І традиційний, і ШІ-метод покладаються на суперкомп’ютери, але ШІ не потребує формально розроблених теорій.
Золотий вік спостереження Землі
Прогнозування погоди визначає, коли і куди летять літаки, якими маршрутами прямують кораблі, і допомагає управляти всілякими цивільними і військовими ризиками, пов’язаними з мінливим навколишнім середовищем. Це важливо. Хоча це ще відносно ранні дні для застосування ШІ в цій галузі, і багато чого ще потрібно доопрацювати, як і в інших секторах, прогнозування, кероване ШІ, може витіснити кваліфіковану працю, оскільки нейронні мережі не потребують знань динамічної метеорології (автори статті в Nature – інженери, які не мають такої кваліфікації). Але цим наслідки навряд чи обмежуються.
Пишучи про проблему статистичного прогнозування в 1950-х роках, Норберт Вінер, батько кібернетики, зазначив, що якщо ми вже знаємо історію системи, яка проявляє певні властивості, то додавання знання рівнянь, які керують її динамікою, не обов’язково покращить наші прогнози. Вінер робив здебільшого теоретичне зауваження, оскільки обмеження у спостереженнях, даних, обчислювальних потужностях та інших факторах на той час не дозволяли зробити нічого іншого. Але зараз його аргумент влучає в саму суть справи, охоплюючи ширші наслідки нещодавніх досягнень у галузі штучного інтелекту.
Зростаючий архів даних описує майже все, що ми і природа робимо на Землі.
Лише за останні кілька років ми значно збільшили наші дані спостережень за Землею. У період з 1993 по 2003 рік у космос було запущено лише 25 супутників спостереження за Землею, але в період з 2014 по 2022 рік їхня кількість зросла до 997, а загальний флот супутників спостереження за Землею та інших супутників, які зараз перебувають на орбіті, становить близько 7 560 одиниць. Завдяки розгалуженій космічній інфраструктурі, яка передає дані практично про все – від росту рослин, водяної пари та інфраструктурних об’єктів до інфрачервоного випромінювання, висоти хмар і вимірювань стану атмосфери – ми вступили в золотий вік спостереження за Землею.
Цей зростаючий архів даних описує майже все, що ми і природа робимо на Землі. У поєднанні з новими моделями штучного інтелекту та нашою обчислювальною інфраструктурою, що постійно розширюється, він може перевернути наше розуміння планети і нашої ролі на ній.
Наслідки для досліджень зміни клімату
Розглянемо зміну клімату. Протягом останніх 40 років реакцією людства на кліматичну кризу керувала Міжурядова група експертів зі зміни клімату – науковий орган, який розділений за дисциплінами: фізичні науки використовують моделі великих систем Землі, які мають багато спільного з тими, що застосовуються для прогнозування погоди, тоді як економісти та географи окремо визначають кількісний вплив і зосереджуються на ролі політики адаптації та пом’якшення наслідків зміни клімату для наших суспільств.
Цей розподіл праці, відображений у тристоронніх робочих групах МГЕЗК, відповідає розподілу методологій. У той час як фізичні моделі системи Землі ґрунтуються на рівняннях перших принципів, економісти та розробники моделей впливу використовують портфель емпіричних методів і теорій.
ШІ може все це зруйнувати. Хоча він навряд чи повністю витіснить традиційне кліматичне моделювання – наш досвід спостережень недостатньо довгий, щоб запропонувати статистично достовірну картину кліматичних явищ протягом століть – він вже відіграє важливу роль у цій галузі.
Оскільки засоби дослідження міцно закріпилися в приватних руках, політикам потрібно буде пильно стежити за тим, щоб ці нові інструменти приносили суспільні блага, а не лише приватну вигоду.
Більше того, для нас важливо не те, як поводиться кліматична система, а те, як вона впливає на світ, в якому живемо ми та інші істоти. Агностичні до будь-яких сучасних наукових теорій чи дисциплінарних парадигм моделі штучного інтелекту можуть допомогти нам зробити висновки і, можливо, передбачити, як біомаса на ландшафті змінюється з плином часу. Це, своєю чергою, могло б покращити управління лісами та сільським господарством, створити діагностичні інструменти та системи раннього попередження про ризики пожеж чи повеней, зрозуміти, як економіка енергетики пов’язана з цими змінами, або передбачити їхній вплив на економіку в цілому і навіть на переговори щодо клімату. І все це на додачу до того, як ШІ може прискорити перехід до низьковуглецевої економіки.
Звичайно, ШІ не замінить наукового розуміння. Наука залишиться суто людським заняттям, де цінність полягає в тому, щоб поставити правильне запитання, а не просто витягти відповідь з даних. Тим не менш, ми повинні спробувати максимально використати епістемологічний зсув, який провіщає поява ШІ. Він може допомогти нам виявити нові спостережувані явища, які досі вислизали з-під дисциплінарних лінз. Він може допомогти нам в управлінні системами ландшафтного масштабу, які є надто складними, щоб піддаватися теоретизації. Це найдосконаліший дослідницький інструмент для подолання дисциплінарних кордонів.
Цей зсув також ставить глибокий політичний виклик. Інфраструктура, що його забезпечує – супутники спостереження за Землею та обчислювальна техніка – дедалі більше контролюється приватним сектором. Найбільшим власником супутників спостереження Землі є компанія Planet Labs. Високотехнологічні компанії – від IBM і Nvidia до DeepMind і Huawei (співробітники яких написали липневу статтю в Nature) – знаходяться на передовій машинного навчання. Маючи доступ до безпрецедентного капіталу та ресурсів, ці компанії можуть легко перевершити більшість державних дослідницьких центрів. Деякі з них можуть бути досить філантропічними, але в кінцевому підсумку вони не зобов’язані надавати суспільні блага або турбуватися про рівний доступ до своєї інфраструктури.
У той час як ми намагаємося впоратися з наслідками цифрової революції і природного середовища, що змінюється на наших очах, штучний інтелект може стати ключем до розгадки деяких складних проблем, які виходять за рамки нашого розуміння. Але в умовах, коли засоби дослідження міцно закріпилися в приватних руках, політики повинні бути пильними, щоб переконатися, що ці нові інструменти приносять суспільні блага, а не лише приватні вигоди, і що питання, які їм ставлять, дають відповіді, які відповідають легітимним цілям політики країн.
Автор: Джуліо Боккалетті, науковий директор Євро-Середземноморського центру з питань зміни клімату.
Джерело: IPS–Journal (PS), ЄС