ЛОНДОН – Мы только что стали свидетелями начала смены парадигмы в науке о Земле. Статья, опубликованная в июле в журнале Nature, показала, что нейронная сеть (искусственный интеллект) предсказывает погоду лучше, чем Европейский центр среднесрочных прогнозов погоды, который обладает самой совершенной в мире системой прогнозирования. Затем, в ноябре, компания DeepMind от Google объявила, что ее ИИ для прогнозирования погоды дает еще более точные прогнозы.
Традиционный подход к прогнозированию погоды заключается в использовании наблюдений, полученных в определенный момент времени, в качестве начальных условий для уравнений, основанных на физических принципах. Напротив, ИИ поглощает данные, собранные в течение длительных периодов времени, а затем “изучает” динамику, которую традиционные уравнения должны четко описать. Как традиционный метод, так и метод, основанный на ИИ, опирается на суперкомпьютеры, но ИИ не нуждается в формально разработанных теориях.
Прогноз погоды определяет, когда и куда полетят самолеты, по каким маршрутам ходят корабли, а также помогает управлять всеми видами гражданских и военных рисков, связанных с изменчивой окружающей средой. Это важно. Хотя применение ИИ в этой области еще только начинается и многое еще предстоит проработать, как и в других секторах, прогнозирование на основе ИИ может вытеснить квалифицированную рабочую силу, поскольку нейронные сети не требуют знаний динамической метеорологии (авторы статьи в Nature — инженеры без такого образования). Но на этом последствия едва ли заканчиваются.
Описывая проблему статистического прогнозирования в 1950-х годах, Норберт Винер, отец кибернетики, отмечал, что если мы уже знаем историю системы, которая проявляет определенные свойства, то добавление знаний об уравнениях, управляющих ее динамикой, не обязательно улучшит наши прогнозы. Винер высказал в основном теоретическую точку зрения, поскольку ограничения в наблюдениях, данных, вычислительной мощности и другие факторы в то время не позволяли сделать ничего другого. Но теперь его аргументы затрагивают саму суть вопроса, охватывая более масштабные последствия последних достижений в области ИИ.
Только за последние несколько лет мы значительно увеличили наши данные наблюдений Земли. В период с 1993 по 2003 год в космос было запущено всего 25 спутников наблюдения Земли; однако в период с 2014 по 2022 год их число выросло до 997, в результате чего общий парк спутников наблюдения Земли и других спутников, находящихся в настоящее время на орбите, достиг примерно 7560. Благодаря обширной космической инфраструктуре, которая транслирует данные практически обо всем — от роста растений, водяного пара и инфраструктурных установок до инфракрасного излучения, высоты купола и измерений состояния атмосферы — мы вступили в золотой век наблюдения Земли.
Этот растущий архив данных описывает практически все, что мы и природа делаем на Земле. В сочетании с новыми моделями ИИ и нашей постоянно расширяющейся вычислительной инфраструктурой это может перевернуть наше представление о планете и нашей роли на ней.
At a time of escalating global turmoil, there is an urgent need for incisive, informed analysis of the issues and questions driving the news – just what PS has always provided.
Subscribe to Digital or Digital Plus now to secure your discount.
Subscribe Now
Рассмотрим вопрос об изменении климата. В течение последних 40 лет реагирование человечества на климатический кризис определялось Межправительственной группой экспертов по изменению климата, научным органом, деятельность которого разделена на дисциплины: физические науки используют большие модели системы Земли, имеющие много общего с моделями, используемыми для прогнозировании погоды, в то время как экономисты и географы по отдельности определяют воздействие и фокусируются на роли политики адаптации и смягчения последствий для наших обществ.
Такое разделение труда, отраженное в трехсторонних рабочих группах МГЭИК, соответствует разделению в методологиях. В то время как основанные на физике модели системы Земли, следуют из уравнений первого порядка, экономисты и специалисты по моделированию воздействия используют ряд эмпирических методов и нередуцируемых теорий.
ИИ может все это нарушить. Хотя маловероятно, что он полностью вытеснит традиционное климатическое моделирование (наши данные наблюдений недостаточно продолжительны, чтобы дать статистически достоверную картину климатических явлений на протяжении веков), он уже играет важную роль в этой области.
Более того, для нас важнее всего не то, как ведет себя климатическая система, а то, как она влияет на мир, в котором живем мы и другие существа. Модели ИИ – агностики по отношению к любым современным научным теориям или дисциплинарным парадигмам – могут помочь нам сделать выводы и, возможно, предсказать как со временем меняется биомасса в ландшафте. Это, в свою очередь, могло бы улучшить наше управление лесами и сельским хозяйством, создать диагностические инструменты и системы раннего предупреждения о рисках пожаров или наводнений, понять, каким образом энергетическая экономика связана с этими изменениями или предсказать их последствия для экономики в целом и даже на переговоры по климату. И все это в дополнение к тому, как ИИ может ускорить переход к низкоуглеродной экономике.
Безусловно, ИИ не может заменить научное понимание. Наука останется квинтэссенцией человеческой деятельности, где ценность заключается скорее в том, чтобы сформулировать правильный вопрос, а не просто получить ответ из данных. Тем не менее, мы должны попытаться извлечь максимум пользы из эпистемологического сдвига, который предвещает развитие ИИ. Это может помочь нам выявить новые наблюдаемые явления, которые до сих пор ускользали от дисциплинарного анализа. Это также может нам помочь в управлении системами ландшафтного масштаба, которые слишком сложны для того, чтобы их можно было теоретизировать. ИИ является идеальным исследовательским инструментом для разрушения дисциплинарных границ.
Этот сдвиг также ставит серьезную политическую задачу. Управляющая этим инфраструктура – спутники наблюдения Земли и вычислительная техника – все больше контролируется частным сектором. Крупнейшим владельцем спутников наблюдения Земли является компания Planet Labs. Высокотехнологичные компании – от IBM и Nvidia до DeepMind и Huawei (сотрудники которых написали июльскую статью в журнале Nature) – находятся на переднем крае машинного обучения. Имея доступ к беспрецедентному капиталу и ресурсам, эти компании могут легко конкурировать с большинством государственных исследовательских центров. Некоторые из них могут быть весьма филантропическими, но в конечном счете они не обязаны предоставлять общественные блага или беспокоиться о равном доступе к своей инфраструктуре.
Пока мы боремся с последствиями цифровой революции и природной средой, которая меняется на наших глазах, ИИ может стать ключом к разгадке некоторых сложностей, которые превосходят наше понимание. Однако, поскольку средства проведения исследований находятся в частных руках, директивным органам необходимо проявить бдительность для обеспечения того, чтобы эти новые инструменты приносили общественные блага, а не только частную выгоду, и чтобы задаваемые им вопросы давали ответы, соответствующие законным политическим целям стран.
To have unlimited access to our content including in-depth commentaries, book reviews, exclusive interviews, PS OnPoint and PS The Big Picture, please subscribe
Today's profound global uncertainty is not some accident of history or consequence of values-free technologies. Rather, it reflects the will of rival great powers that continue to ignore the seminal economic and social changes underway in other parts of the world.
explains how Malaysia and other middle powers are navigating increasingly uncertain geopolitical terrain.
US President Donald Trump’s import tariffs have triggered a wave of retaliatory measures, setting off a trade war with key partners and raising fears of a global downturn. But while Trump’s protectionism and erratic policy shifts could have far-reaching implications, the greatest victim is likely to be the United States itself.
warns that the new administration’s protectionism resembles the strategy many developing countries once tried.
ЛОНДОН – Мы только что стали свидетелями начала смены парадигмы в науке о Земле. Статья, опубликованная в июле в журнале Nature, показала, что нейронная сеть (искусственный интеллект) предсказывает погоду лучше, чем Европейский центр среднесрочных прогнозов погоды, который обладает самой совершенной в мире системой прогнозирования. Затем, в ноябре, компания DeepMind от Google объявила, что ее ИИ для прогнозирования погоды дает еще более точные прогнозы.
Традиционный подход к прогнозированию погоды заключается в использовании наблюдений, полученных в определенный момент времени, в качестве начальных условий для уравнений, основанных на физических принципах. Напротив, ИИ поглощает данные, собранные в течение длительных периодов времени, а затем “изучает” динамику, которую традиционные уравнения должны четко описать. Как традиционный метод, так и метод, основанный на ИИ, опирается на суперкомпьютеры, но ИИ не нуждается в формально разработанных теориях.
Прогноз погоды определяет, когда и куда полетят самолеты, по каким маршрутам ходят корабли, а также помогает управлять всеми видами гражданских и военных рисков, связанных с изменчивой окружающей средой. Это важно. Хотя применение ИИ в этой области еще только начинается и многое еще предстоит проработать, как и в других секторах, прогнозирование на основе ИИ может вытеснить квалифицированную рабочую силу, поскольку нейронные сети не требуют знаний динамической метеорологии (авторы статьи в Nature — инженеры без такого образования). Но на этом последствия едва ли заканчиваются.
Описывая проблему статистического прогнозирования в 1950-х годах, Норберт Винер, отец кибернетики, отмечал, что если мы уже знаем историю системы, которая проявляет определенные свойства, то добавление знаний об уравнениях, управляющих ее динамикой, не обязательно улучшит наши прогнозы. Винер высказал в основном теоретическую точку зрения, поскольку ограничения в наблюдениях, данных, вычислительной мощности и другие факторы в то время не позволяли сделать ничего другого. Но теперь его аргументы затрагивают саму суть вопроса, охватывая более масштабные последствия последних достижений в области ИИ.
Только за последние несколько лет мы значительно увеличили наши данные наблюдений Земли. В период с 1993 по 2003 год в космос было запущено всего 25 спутников наблюдения Земли; однако в период с 2014 по 2022 год их число выросло до 997, в результате чего общий парк спутников наблюдения Земли и других спутников, находящихся в настоящее время на орбите, достиг примерно 7560. Благодаря обширной космической инфраструктуре, которая транслирует данные практически обо всем — от роста растений, водяного пара и инфраструктурных установок до инфракрасного излучения, высоты купола и измерений состояния атмосферы — мы вступили в золотой век наблюдения Земли.
Этот растущий архив данных описывает практически все, что мы и природа делаем на Земле. В сочетании с новыми моделями ИИ и нашей постоянно расширяющейся вычислительной инфраструктурой это может перевернуть наше представление о планете и нашей роли на ней.
Winter Sale: Save 40% on a new PS subscription
At a time of escalating global turmoil, there is an urgent need for incisive, informed analysis of the issues and questions driving the news – just what PS has always provided.
Subscribe to Digital or Digital Plus now to secure your discount.
Subscribe Now
Рассмотрим вопрос об изменении климата. В течение последних 40 лет реагирование человечества на климатический кризис определялось Межправительственной группой экспертов по изменению климата, научным органом, деятельность которого разделена на дисциплины: физические науки используют большие модели системы Земли, имеющие много общего с моделями, используемыми для прогнозировании погоды, в то время как экономисты и географы по отдельности определяют воздействие и фокусируются на роли политики адаптации и смягчения последствий для наших обществ.
Такое разделение труда, отраженное в трехсторонних рабочих группах МГЭИК, соответствует разделению в методологиях. В то время как основанные на физике модели системы Земли, следуют из уравнений первого порядка, экономисты и специалисты по моделированию воздействия используют ряд эмпирических методов и нередуцируемых теорий.
ИИ может все это нарушить. Хотя маловероятно, что он полностью вытеснит традиционное климатическое моделирование (наши данные наблюдений недостаточно продолжительны, чтобы дать статистически достоверную картину климатических явлений на протяжении веков), он уже играет важную роль в этой области.
Более того, для нас важнее всего не то, как ведет себя климатическая система, а то, как она влияет на мир, в котором живем мы и другие существа. Модели ИИ – агностики по отношению к любым современным научным теориям или дисциплинарным парадигмам – могут помочь нам сделать выводы и, возможно, предсказать как со временем меняется биомасса в ландшафте. Это, в свою очередь, могло бы улучшить наше управление лесами и сельским хозяйством, создать диагностические инструменты и системы раннего предупреждения о рисках пожаров или наводнений, понять, каким образом энергетическая экономика связана с этими изменениями или предсказать их последствия для экономики в целом и даже на переговоры по климату. И все это в дополнение к тому, как ИИ может ускорить переход к низкоуглеродной экономике.
Безусловно, ИИ не может заменить научное понимание. Наука останется квинтэссенцией человеческой деятельности, где ценность заключается скорее в том, чтобы сформулировать правильный вопрос, а не просто получить ответ из данных. Тем не менее, мы должны попытаться извлечь максимум пользы из эпистемологического сдвига, который предвещает развитие ИИ. Это может помочь нам выявить новые наблюдаемые явления, которые до сих пор ускользали от дисциплинарного анализа. Это также может нам помочь в управлении системами ландшафтного масштаба, которые слишком сложны для того, чтобы их можно было теоретизировать. ИИ является идеальным исследовательским инструментом для разрушения дисциплинарных границ.
Этот сдвиг также ставит серьезную политическую задачу. Управляющая этим инфраструктура – спутники наблюдения Земли и вычислительная техника – все больше контролируется частным сектором. Крупнейшим владельцем спутников наблюдения Земли является компания Planet Labs. Высокотехнологичные компании – от IBM и Nvidia до DeepMind и Huawei (сотрудники которых написали июльскую статью в журнале Nature) – находятся на переднем крае машинного обучения. Имея доступ к беспрецедентному капиталу и ресурсам, эти компании могут легко конкурировать с большинством государственных исследовательских центров. Некоторые из них могут быть весьма филантропическими, но в конечном счете они не обязаны предоставлять общественные блага или беспокоиться о равном доступе к своей инфраструктуре.
Пока мы боремся с последствиями цифровой революции и природной средой, которая меняется на наших глазах, ИИ может стать ключом к разгадке некоторых сложностей, которые превосходят наше понимание. Однако, поскольку средства проведения исследований находятся в частных руках, директивным органам необходимо проявить бдительность для обеспечения того, чтобы эти новые инструменты приносили общественные блага, а не только частную выгоду, и чтобы задаваемые им вопросы давали ответы, соответствующие законным политическим целям стран.