По мере того, как наука движется к машинному обучению (МО) и искусственному интеллекту (ИИ), мы можем видеть огромный контраст в том, как научные открытия совершались в прошлом и в настоящее время.
Раньше ученый сначала выдвигал гипотезу, а затем пытался разработать возможные объяснения. Но сегодня мы можем наблюдать резкий скачок в сторону машинного обучения и искусственного интеллекта в науке. И доступность огромного количества наборов данных во многом связана с этим.
Ситуация каким-то образом заставляет нас предположить, что, возможно, в будущем наши теории потерпят крах. Кажется, что они просто чрезмерное упрощение выхода из реальности. Некоторые даже убеждены, что, возможно, это будущее науки, где мы будем довольны корреляцией и предсказуемостью, которые обеспечат ML & AL, и нас меньше будут волновать причины / теории, стоящие за этим. Удивительные алгоритмы Facebook Feed и других подобных платформ могут заставить поверить в это.
Однако проблема здесь в том, что он полностью игнорирует подверженную ошибкам природу AL & ML при работе с небольшими наборами данных, что приводит к собственной предвзятости, стремлению человечества знать, почему все во Вселенной и наличие множества понятных теорий которые можно использовать для раскрытия неизвестных.
Тем не менее, со всеми недостатками и заблуждениями AI & ML все еще кажется мне многообещающим. Были случаи, когда формулы, созданные учеными, имели столь же хорошую предсказуемость по сравнению с предсказаниями ИИ. Действительно, предсказание ИИ усилило игру, добавив больше к формуле, отвечая на все сценарии «если-то». Похоже, что вместо того, чтобы стирать теорию, ИИ усложнит ее. Интересно, не так ли?
Тем не менее, изменения требуют времени. Старый научный метод гипотезы-предсказания-проверки все еще будет актуальным методом распутывания открытий в ближайшем будущем.
Потому что есть определенные препятствия, с которыми столкнется новая наука.
Во-первых, это увеличивающийся разрыв между интерпретируемостью и предсказуемостью и компромиссом между ними. Один из вопросов, который здесь возникает, заключается в том, сколько предсказуемости мы готовы предоставить для интерпретируемости?
Во-вторых, ИИ теперь полезен для извлечения ценной информации из данных, для чего ранее требовался человеческий мозг. Но независимо от того, насколько далеко продвинется ИИ и машинное обучение в будущем, ему все равно потребуется человеческий мозг, чтобы задавать вопросы. Тем не менее, искусственный интеллект, машинное обучение и аналитика данных кажутся многообещающими технологиями, способными развеять научное любопытство.
Ссылка — https://www.theguardian.com/technology/2022/jan/09/are-we-witnessing-the-dawn-of-post-theory-science
