Con grande dispiacere degli organizzatori di feste estive, il tempo è un sistema notoriamente caotico. Piccoli cambiamenti nelle precipitazioni, temperatura, umidità, velocità o direzione del vento, ecc. possono gonfiarsi in una serie completamente nuova di condizioni in pochi giorni. Ecco perché le previsioni del tempo diventano inaffidabili per più di sette giorni nel futuro e perché i picnic hanno bisogno di piani di riserva.

Ma cosa accadrebbe se potessimo comprendere un sistema caotico abbastanza bene da prevedere come si comporterà nel lontano futuro?

A gennaio di quest'anno, gli scienziati hanno fatto proprio questo. Hanno utilizzato l'apprendimento automatico per prevedere con precisione l'esito di un sistema caotico per una durata molto più lunga di quanto si ritenesse possibile. E la macchina lo ha fatto semplicemente osservando le dinamiche del sistema, senza alcuna conoscenza delle equazioni sottostanti.

Soggezione, paura ed eccitazione

Di recente ci siamo abituati alle abbaglianti dimostrazioni di abilità dell'intelligenza artificiale (AI).

L'anno scorso, un programma chiamato AlphaZero ha imparato da zero le regole degli scacchi in circa un giorno, e poi ha continuato a battere i migliori programmi di scacchi del mondo. Ha anche imparato da zero il gioco del Go e ha migliorato il precedente campione di silicio, l'algoritmo AlphaGo Zero, che aveva essa stessa dominata il gioco per tentativi ed errori dopo essere stata alimentata con le regole.

Molti di questi algoritmi iniziano con una tabula rasa di beata ignoranza, e costruire rapidamente la loro "conoscenza" osservando un processo o giocando contro se stessi, migliorando ad ogni passo, migliaia di passi ogni secondo. Le loro abilità hanno variamente ispirato sentimenti di timore reverenziale, paura ed eccitazione, e spesso in questi giorni sentiamo parlare del caos che possono causare all'umanità.

La mia preoccupazione qui è più semplice:voglio capire cosa significa l'intelligenza artificiale per il futuro della "comprensione" nella scienza.

Se lo prevedi perfettamente, lo capisci?

La maggior parte degli scienziati probabilmente sarebbe d'accordo sul fatto che la previsione e la comprensione non siano la stessa cosa. La ragione sta nel mito delle origini della fisica - e probabilmente, quello della scienza moderna nel suo insieme.

Da più di un millennio, la storia va, le persone usavano metodi tramandati dal matematico greco-romano Tolomeo per prevedere come i pianeti si muovevano nel cielo.

Tolomeo non sapeva nulla della teoria della gravità e nemmeno che il sole fosse al centro del sistema solare. I suoi metodi implicavano calcoli arcani usando cerchi all'interno di cerchi all'interno di cerchi. Mentre prevedevano piuttosto bene il movimento planetario, non c'era comprensione del perché questi metodi hanno funzionato, e perché i pianeti dovrebbero seguire regole così complicate.

Poi venne Copernico, Galilei, Keplero e Newton.

Newton scoprì le equazioni differenziali fondamentali che governano il moto di ogni pianeta. Le stesse equazioni differenziali potrebbero essere usate per descrivere ogni pianeta del sistema solare.

Questo era chiaramente buono, perché ora noi inteso perché i pianeti si muovono.

Risolvere le equazioni differenziali si è rivelato un modo più efficiente per prevedere il movimento planetario rispetto all'algoritmo di Tolomeo. Forse ancora più importante, anche se, la nostra fiducia in questo metodo ci ha permesso di scoprire nuovi pianeti invisibili basati su un principio unificante, la Legge di Gravitazione Universale, che funziona su razzi, mele che cadono, lune e galassie.

Questo modello di base, trovare un insieme di equazioni che descrivono un principio unificante, è stato utilizzato con successo in fisica più e più volte. Ecco come abbiamo scoperto il Modello Standard, il culmine di mezzo secolo di fisica delle particelle, che descrive accuratamente la struttura sottostante di ogni atomo, nucleo o particella. È così che stiamo cercando di capire la superconduttività ad alta temperatura, materia oscura e computer quantistici. (L'efficacia irragionevole di questo metodo ha ispirato domande sul perché l'universo sembra essere così deliziosamente suscettibile di una descrizione matematica.)

In tutta la scienza, probabilmente, la nozione di comprendere qualcosa si riferisce sempre a questo modello:se puoi ridurre un fenomeno complicato a un semplice insieme di principi, allora l'hai capito.

Eccezioni ostinate

Tuttavia ci sono fastidiose eccezioni che rovinano questa bellissima narrazione. La turbolenza, uno dei motivi per cui la previsione del tempo è difficile, è un notevole esempio della fisica. La stragrande maggioranza dei problemi di biologia, con le loro intricate strutture all'interno di strutture, rifiutano anche caparbiamente di rinunciare a semplici principi unificanti.

Mentre non c'è dubbio che gli atomi e la chimica, e quindi semplici principi, alla base di questi sistemi, descriverli usando equazioni universalmente valide sembra essere un modo piuttosto inefficiente per generare previsioni utili.

Intanto, sta diventando evidente che questi problemi cederanno facilmente ai metodi di apprendimento automatico.

Proprio come gli antichi greci cercavano risposte dal mistico Oracolo di Delfi, potremmo presto dover cercare risposte a molte delle domande più difficili della scienza facendo appello agli oracoli dell'intelligenza artificiale.

Tali oracoli dell'intelligenza artificiale stanno già guidando le auto a guida autonoma e gli investimenti in borsa, e presto predire quali farmaci saranno efficaci contro un batterio e come sarà il tempo due settimane a venire.

Faranno queste previsioni molto meglio di quanto avremmo mai potuto fare, e lo faranno senza ricorrere ai nostri modelli ed equazioni matematici.

Non è inconcepibile che, armato di dati provenienti da miliardi di collisioni al Large Hadron Collider, potrebbero fare un lavoro migliore nel prevedere l'esito di un esperimento di fisica delle particelle persino dell'amato Modello Standard dei fisici!

Come con le imperscrutabili espressioni delle sacerdotesse di Delfi, è improbabile che anche i nostri oracoli AI siano in grado di spiegare perché prevedono quello che fanno. I loro risultati saranno basati su molti microsecondi di quella che potrebbe essere chiamata "esperienza". Assomigliano a quella caricatura di un contadino ignorante che può prevedere perfettamente da che parte cambierà il tempo, sulla base dell'esperienza e di una sensazione istintiva.

Scienza senza comprensione?

Le implicazioni dell'intelligenza artificiale, per il processo del fare scienza e per la filosofia della scienza, potrebbe essere immenso.

Per esempio, di fronte a previsioni sempre più impeccabili, anche se ottenuto con metodi che nessun essere umano può capire, possiamo continuare a negare che le macchine abbiano una conoscenza migliore?

Se la previsione è in effetti l'obiettivo primario della scienza, come dovremmo modificare il metodo scientifico , l'algoritmo che per secoli ci ha permesso di individuare gli errori e correggerli?

Se rinunciamo alla comprensione, ha senso perseguire la conoscenza scientifica come la conosciamo?

Non ho le risposte. Ma a meno che non riusciamo ad articolare perché la scienza è qualcosa di più della capacità di fare buone previsioni, gli scienziati potrebbero anche scoprire presto che "un'intelligenza artificiale addestrata potrebbe fare il loro lavoro".

Questo articolo è stato originariamente pubblicato su The Conversation. Leggi l'articolo originale.