"Dirbtinio intelekto (AI) modeliai yra šiuolaikiniai orakulai. Juos maitinantys neuroniniai tinklai yra lankstūs matematiniai įrankiai, galintys rasti bet kokį raštą, pritaikyti bet kokiai formai ir nubrėžti bet kokią liniją. Jie naudojami prognozuoti orus, numatyti kelių priežiūrą ir diagnozuoti ligas. Problema ta, kad kadangi jie patys mokosi atlikti šias užduotis, niekas tiksliai nežino, kaip jie tai atlieka.
Dėl šios „juodosios dėžės problemos“ sunku pasikliauti tokiais modeliais, ypač kai, kaip ir sveikatos priežiūros srityje, jie priima svarbius sprendimus. Dėl to jie yra mažiau naudingi ir mokslininkams, kurie domisi ne tik rezultato prognozavimu, bet ir supratimu, kodėl toks rezultatas atsirado.
Straipsnyje Proceedings of the National Academy of Sciences mokslininkų grupė, vadovaujama Kopenhagos universiteto kompiuterių mokslininko Diono Häfnerio, aprašo protingą būdą dirbtinį intelektą padaryti suprantamesniu. Jiems pavyko sukurti neuroninį tinklą, panaudoti jį sudėtingai problemai išspręsti, o tada užfiksuoti jo įžvalgas gana paprastoje penkių dalių lygtyje, kurią gali naudoti ir suprasti žmonių mokslininkai.
Tyrėjai tyrė „nesąžiningas bangas“, kurios yra daug didesnės, nei tikėtasi, atsižvelgiant į jūros sąlygas, kuriomis jos susidaro. Jūrų mokslas yra pilnas vandens sienų, staiga prarijusių laivus. Tačiau mokslininkams prireikė iki 1995 m., kol išmatavo tokią bangą – 26 metrų pabaisą, tarp kitų bangų, kurių vidutinis aukštis siekia 12 metrų – prie Norvegijos krantų, o tai įrodė, kad šie pasakojimai yra aukšti tik tiesiogine prasme.
Mokslininkai turi keletą idėjų apie tai, kas sukelia nesąžiningas bangas, bet ne visapusišką vaizdą. Bangos gali susijungti ir susidėti arba lūžti taip, kad jos tampa neįprastai didelės. Taip pat svarbios srovės, vėjas ir jūros dugno forma. Visi šie veiksniai susimaišo chaotiškai, matematine to žodžio prasme: nedidelis vieno pasikeitimas gali lemti drastiškai ir nenuspėjamai skirtingą rezultatą.
Taigi, tai yra gera problema, kad dirbtinis intelektas galėtų įsitvirtinti. Siekdami sukurti kažką, ką galėtų sekti žmogus, tyrėjai apribojo savo neuroninį tinklą iki maždaug tuzino įvesčių, kurių kiekviena buvo pagrįsta vandenyno bangų matematika, kurią mokslininkai jau buvo parengę. Žinodami kiekvienos įvesties fizinę reikšmę, mokslininkai galėjo atsekti savo kelius tinkle ir padėti išsiaiškinti, ką kompiuteris veikia.
Tyrėjai apmokė 24 neuroninius tinklus, kurių kiekvienas skirtingai derino įvestis. Tada jie pasirinko tą, kuris nuosekliausiai darė tikslias prognozes įvairiomis aplinkybėmis, o tai, kaip paaiškėjo, pasikliovė tik penkiais iš tuzinų įvesties duomenų.
Norėdami sukurti žmogui suprantamą lygtį, mokslininkai panaudojo metodą, įkvėptą natūralios atrankos biologijoje. Jie nurodė atskiram algoritmui sukurti daugybę skirtingų lygčių, naudojant tuos penkis kintamuosius, siekiant kuo tiksliau suderinti neuroninio tinklo išvestį. Geriausios lygtys buvo sumaišytos ir sujungtos, o procesas kartojamas. Galiausiai rezultatas buvo lygtis, kuri buvo paprasta ir beveik tokia pat tiksli, kaip neuroninis tinklas. Abu numatė nesąžiningas bangas geriau, nei esami modeliai.
Pirmoji lygties dalis iš naujo atrado šiek tiek esamos teorijos: tai gerai žinomos bangų dinamikos lygties aproksimacija. Kitose dalyse buvo keletas terminų, kurie, kaip įtarė tyrėjai, gali būti susiję su nesąžiningų bangų formavimu, tačiau nėra standartiniuose modeliuose. Taip pat buvo keletas galvosūkių: paskutinė lygties dalis apima terminą, kuris yra atvirkščiai proporcingas bangų energijos pasiskirstymui. Dabartinės žmogaus teorijos apima antrą kintamąjį, kurio mašina neatkartojo. Vienas iš paaiškinimų yra tas, kad tinklas nebuvo apmokytas apie pakankamai platų pavyzdžių pasirinkimą. Kitas dalykas yra tai, kad mašina yra tinkama, o antrasis kintamasis iš tikrųjų nėra būtinas.
Geresni nesąžiningų bangų prognozavimo metodai tikrai naudingi: kai kurios bangos gali nuskandinti net didžiausius laivus. Tačiau tikrasis prizas yra matomumas, kurį dr. Häfnerio metodas siūlo neuroninio tinklo veiklai. Tai galėtų suteikti mokslininkams idėjų, kaip pakoreguoti jų teorijas, ir turėtų padėti lengviau suprasti, ar pasitikėti kompiuterio prognozėmis." [1]
· · · 1. "A new way to predict ship-killing rogue waves." The Economist, 22 Nov. 2023, p. NA.
Komentarų nėra:
Rašyti komentarą