Para grande desgosto dos turistas que planejam um piquenique de verão, o clima é incrivelmente caprichoso e imprevisível. Pequenas mudanças na precipitação, temperatura, umidade, velocidade do vento ou direção do vento podem alterar as condições externas ao longo de horas ou dias. Portanto, as previsões do tempo geralmente não são feitas mais de sete dias no futuro - e, portanto, piqueniques requerem planos de contingência.
Mas e se pudéssemos entender um sistema caótico bem o suficiente para prever como ele se comportará no futuro?
Você pode prever o tempo para o ano?
Em janeiro de 2018, os cientistas conseguiram. Eles usaram o aprendizado de máquina para prever com precisão o resultado de um sistema caótico por um período muito mais longo do que se pensava possível. E a máquina fez isso simplesmente observando a dinâmica do sistema, sem ter ideia das equações por trás dele.
Espanto, medo e emoção
Já começamos a nos acostumar com as incríveis manifestações da inteligência artificial.
No ano passado, um programa chamado AlphaZero aprendeu as regras do jogo de xadrez do zero em apenas um dia e depois derrotou o melhor software de xadrez do mundo. Ela também aprendeu a jogar Go e superou o ex-campeão do silício, o algoritmo AlphaGo Zero, que melhorou no jogo por tentativa e erro após ser alimentada com as regras.
Vídeo promocional:
Muitos desses algoritmos partem de um estado puro de ignorância feliz e rapidamente ganham conhecimento observando o processo ou jogando contra si mesmos, melhorando a cada passo milhares de vezes por segundo. Suas habilidades inspiram sentimentos de medo, admiração, excitação. Freqüentemente ouvimos sobre o caos em que eles podem mergulhar a humanidade um dia.
Mas é muito mais interessante o que a inteligência artificial fará com a ciência no futuro, com seu “entendimento”.
Previsão perfeita significa compreensão?
A maioria dos cientistas provavelmente concordará que previsão e compreensão não são a mesma coisa. A razão está no mito sobre a origem da física - e, pode-se dizer, da ciência moderna em geral.
O fato é que, por mais de mil anos, as pessoas usaram os métodos propostos pelo matemático greco-romano Ptolomeu para prever o movimento dos planetas no céu.
Ptolomeu nada sabia sobre a teoria da gravidade ou que o sol era o centro do sistema solar. Seus métodos incluíam cálculos rituais usando círculos dentro de círculos dentro de círculos. E enquanto eles previram o movimento planetário muito bem, ninguém entendeu por que funcionou ou por que os planetas obedecem a regras tão complexas.
Depois, havia Copérnico, Galileu, Kepler e Newton.
Newton descobriu as equações diferenciais fundamentais que governam o movimento de cada planeta. Com a ajuda deles, foi possível descrever cada planeta do sistema solar. E isso foi ótimo porque entendemos por que os planetas se movem.
Resolver equações diferenciais acabou sendo uma maneira mais eficiente de prever o movimento planetário em comparação com o algoritmo de Ptolomeu. Mais importante, entretanto, é que nossa crença neste método nos permitiu descobrir novos planetas invisíveis, graças à lei da gravidade universal. Ele explicou por que foguetes voam e maçãs caem, e também por que existem luas e galáxias.
Este padrão básico - encontrar um conjunto de equações que descrevem um princípio unificador - tem sido usado com sucesso na física repetidamente. É assim que definimos o Modelo Padrão, o culminar de meio século de pesquisas em física de partículas, que descreve com precisão a estrutura de cada átomo, núcleo ou partícula. É assim que tentamos entender a supercondutividade de alta temperatura, a matéria escura e os computadores quânticos. (A eficácia injustificada deste método até levantou questões sobre por que o universo se presta tão bem à descrição matemática.)
Em toda a ciência, compreender algo significa voltar ao esquema original: se você pode reduzir um fenômeno complexo a um simples conjunto de princípios, você o entende.
Exceções à regra
E ainda, existem exceções irritantes que estragam esta bela história. A turbulência é uma das razões pelas quais é difícil prever o tempo - um excelente exemplo da física. A grande maioria dos problemas de biologia, de estruturas emaranhadas em outras estruturas, também desafiam a explicação por princípios simples de unificação e simplificação.
Embora não haja dúvida de que os átomos e a química, e, portanto, os princípios simples subjacentes a esses sistemas, são descritos por meio de equações universalmente eficazes, essa é uma maneira bastante ineficaz de gerar previsões úteis.
Ao mesmo tempo, está se tornando evidente que esses problemas se prestam facilmente a métodos de aprendizado de máquina.
Assim como os gregos antigos procuravam respostas no oráculo místico délfico, nós procuraremos respostas para as questões mais complexas da ciência em oráculos oniscientes com inteligência artificial.
Esses oráculos já estão dirigindo veículos autônomos e escolhendo alvos de investimento no mercado de ações e, em breve, vão prever quais medicamentos serão eficazes contra bactérias - e como estará o clima em duas semanas.
Eles farão essas previsões com a maior precisão que nunca sonhamos, sem usar quaisquer modelos e equações matemáticas.
É possível que, munidos de dados sobre bilhões de colisões no Grande Colisor de Hádrons, eles se saiam melhor em prever o resultado de um experimento com partículas do que até mesmo o amado Modelo Padrão.
Semelhante às fontes inexplicáveis da revelação das sacerdotisas de Delfos, nossos profetas de inteligência artificial também não são capazes de explicar por que predizem desta maneira e não de outra forma. Suas conclusões serão baseadas em muitos microssegundos do que pode ser chamado de "experiência". Eles serão como um fazendeiro sem educação que sabe prever com precisão como o tempo vai mudar, "porque os ossos doem" ou outras premonições.
Ciência sem compreensão?
As implicações do trabalho da inteligência da máquina no campo da ciência e da filosofia da ciência podem ser surpreendentes.
Por exemplo, diante de previsões cada vez mais precisas, embora obtidas por métodos incompreensíveis para os humanos, negaremos que as máquinas têm um conhecimento melhor do que nós?
Se a previsão é realmente o objetivo principal da ciência, como devemos modificar o método científico, o algoritmo que nos permitiu identificar erros e corrigi-los durante séculos?
Se abrirmos mão do entendimento, haverá algum sentido em fazer a ciência que estávamos fazendo?
Ninguém sabe. Mas se não conseguirmos articular por que a ciência é mais do que a capacidade de fazer boas previsões, os cientistas logo descobrirão que "a inteligência artificial treinada faz seu trabalho melhor do que eles próprios".
Ilya Khel
