Upravo smo svjedočili početku promjene paradigme u znanosti o Zemlji. Rad objavljen u časopisu Nature u srpnju pokazao je da je neuronska mreža (umjetna inteligencija) predvidjela vrijeme bolje od Europskog centra za srednjoročne vremenske prognoze koji ima najnapredniji sustav predviđanja na svijetu.

Zatim je u studenom Googleov DeepMind objavio da je njegova umjetna inteligencija s vremenskom prognozom proizvela još bolja predviđanja.

Tradicionalni pristup prognoziranju vremena je korištenje opažanjima nastalim u određenom trenutku kao početnih uvjeta za jednadžbe temeljene na načelima fizike.

Nasuprot tome, umjetna inteligencija progutat će podatke prikupljene tijekom dugih vremenskih razdoblja, a zatim “naučiti” dinamiku koju tradicionalne jednadžbe moraju eksplicitno opisati. I tradicionalna i metoda temeljena na umjetnoj inteligenciji oslanjaju se na superračunala, ali AI nema potrebe za formalno razvijenim teorijama.

Zlatno doba promatranja Zemlje
Predviđanje temeljeno na umjetnoj inteligenciji može zamijeniti kvalificiranu radnu snagu, budući da neuronske mreže ne iziskuju poznavanje dinamičke meteorologije (autori rada objavljenom u časopisu Nature inženjeri su koji nemaju takvu podlogu). Ali njezin domašaj ne prestaje ovdje.

Pišući o problemu statističkih metoda prognoze vremena 1950-ih, Norbert Wiener, otac kibernetike, istaknuo je da, ako već znamo povijest sustava koji pokazuje određena svojstva, dodavanje znanja o jednadžbama koje upravljaju njegovom dinamikom neće nužno poboljšati naša predviđanja.

Wiener je iznosio uglavnom teoretski argument, jer ograničenja u promatranjima, podacima, računalnoj snazi i drugim čimbenicima nisu dopuštala ništa drugo u to vrijeme. Ali sada, njegov argument pogađa srž stvari.

Samo u posljednjih nekoliko godina, znatno smo povećali naše podatke o promatranju Zemlje. S ogromnom svemirskom infrastrukturom koja prenosi podatke o gotovo svemu – od rasta biljaka, vodene pare i postavljenom infrastrukturom, do infracrvenog zračenja, visine krošanja i mjerenja stanja atmosfere – ušli smo u zlatno doba promatranja Zemlje.

Sve veća arhiva podataka opisuje gotovo sve što i mi i priroda radimo na Zemlji. U kombinaciji s novim modelima umjetne inteligencije i našom sve većom računalnom infrastrukturom, to bi moglo potpuno promijeniti naše razumijevanje planeta i naše uloge na njemu.

Posljednjih 40 godina odgovor čovječanstva na klimatsku krizu vodi Međuvladin panel o klimatskim promjenama, znanstveno tijelo koje je podijeljeno po disciplinama: fizičke znanosti koriste se velikim modelima sustava Zemlje koji imaju mnogo zajedničkog s onima koji se rabe u prognoziranju vremena, dok odvojeno, ekonomisti i geografi kvantificiraju utjecaj i usredotočuju se na ulogu politika prilagodbe i ublažavanja klimatskih promjena u našim društvima.

Iako je malo vjerojatno da će umjetna inteligencija potpuno zamijeniti tradicionalno modeliranje klime – naša evidencija promatranja nije dovoljno duga da pruži statistički obilnu sliku klimatskih fenomena tijekom stoljeća – ona već igra važnu ulogu na tom području.

Štoviše, najvažnije nam nije kako se klimatski sustav ponaša, već kako utječe na svijet u kojem živimo mi i druga stvorenja. Modeli umjetne inteligencije mogli bi nam pomoći da donesemo zaključke i možda predvidimo kako se biomasa na krajoliku mijenja tijekom vremena.

To bi pak moglo poboljšati način na koji gospodarimo šumama i poljoprivredom, izrađujemo dijagnostičke alate i sustave ranog upozoravanja na rizik od požara ili poplava, da razumijemo kako se energetska ekonomija povezuje s tim promjenama ili da predvidimo njihove učinke na šire gospodarstvo.

Naravno, umjetna inteligencija nije zamjena za znanstvene spoznaje. Znanost će ostati ljudska potraga. Ipak, trebali bismo pokušati maksimalno iskoristiti epistemološki pomak koji najavljuje uspon umjetne inteligencije.

Može nam pomoći prepoznati nove vidljive pojave koje do sada nisu zamijećene u raznim disciplinama. Može nam pomoći u upravljanju sustavima na razini krajobraza koji su previše složeni da bi bili podložni teoretizaciji. To je krajnji istraživački instrument za rušenje granica disciplina.

IBM, Huawei, DeepMind…
Ta promjena također predstavlja veliki politički izazov. Infrastrukturom koja to pokreće – satelitima za promatranje Zemlje i izračune – sve više upravlja privatni sektor. Najveći pojedinačni vlasnik satelita za promatranje Zemlje je tvrtka pod nazivom Planet Labs.

Visokotehnološke tvrtke – od IBM-a i Nvidije do DeepMinda i Huaweija – istražuju granice strojnog učenja. Pristupom neusporedivo većim količinama kapitala i resursa, ove tvrtke mogu lako nadmašiti većinu javnih istraživačkih centara. Neke mogu biti prilično filantropske, ali u konačnici nemaju obvezu isporučivati javna dobra ili brinuti o pravednom pristupu svojoj infrastrukturi.

Umjetna inteligencija može biti ključ za otkrivanje neke složenosti koja je premašila naše razumijevanje. No, budući da su sredstva za istraživanje čvrsto u privatnim rukama, donositelji politika morat će obratiti pozornost na to da se pobrinu da ti novi alati snabdijevaju javnim dobrima, a ne samo privatnim koristima te da na pitanja koja im se postavljaju daju odgovore koji informiraju legitimne ciljeve politike zemalja. 

© Project Syndicate 2024.