пишува: Лора Спајни, Гардијан
Легендата вели дека Исак Њутн го открил својот втор закон - оној за гравитацијата - откако врз глава му паднало јаболко. После многу експерименти и анализирање на податоци, тој сфатил дека постои фундаментална врска помеѓу силата, масата и забрзувањето. Формулирал теорија за да ја објасни таа претпоставена врска, ја изразил преку формула (F=ma) и ја искористил за да го предвиди однесувањето на предмети кои не се јаболки. Неговите предвидувања излегле точни (иако не и целосно прецизни за оние кои дошле по него).
Како функционира науката денес, споредено со овој „традиционален“ начин? Алатките за машинско учење на Фејсбук ги предвидуваат нашите преференци подобро од кој и да е психолог. АлфаФолд, програма креирана од ДипМајнд, има произведено до сега најточни предвидувања за протеинските структури базирани на амино киселините кои тие ги содржат (на оваа тема види претходно „Вештачката интелигенција почна да генерира теори кои никому не му паднале на памет“). Во обата случаи недостасува објаснувањето зошто тие функционираат: зошто повеќе ја сакаме оваа или онаа информација; зошто оваа секвенца ја генерира конкретната структура.
Ваквата „методологија“ оневозможува да се крене завесата и да се ѕирне во механизмот кој стои во основата на нештата. Нема објаснување, нема збир правила, накратко - нема теорија. Нештата само добро си функционираат и тука нема што да се додаде.
Некаде помеѓу Њутн и Закерберт, теоријата како да го загуби својот углед. Во 2008, Крис Андерсон, тогаш главен уредник на списанието Вајрд, во текст под наслов „Крајот на теоријата: поплавата од податоци прави научниот метод да е непотребен“ ја предвиде оваа ситуација. Соочени со обемот на податоци и сè помоќните компјутери, нашите теории сега изгледаат како прекумерни поедноставувања на реалноста. Наскоро нашиот стар научен метод - хипотеза, предвидување, тест - ќе биде фрлен во контејнерот на историајта. Ќе престанеме да ги бараме причините за нештата и ќе бидеме задоволни само со корелации.
(...) Теоријата не е се уште мртва, но се менува- веројатно наскоро и тешко ќе може да се препознае. Теориите кои имаат смисла кога имате огромен број податоци изгледаат прилично различно од оние кои имаат смисла кога бројот на податоци е помал - вели Том Грифитс, психолог на Принстон.
Некои научници се ок со тоа, дури се и ентузијастични. Звучи сурово, но со зборовите на пионерот на софтверот за препознавање на глас, Фредерик Јелинек, „Секој пат кога отпуштам лингвист, перформансот на препознавачот на говор се подобрува“. Она што тој сакал да го каже е дека теоријата и во негово време го закочувала напредокот - а тоа било во 1980-тите.
Но други се загрижени, дури и ужаснати од начинот на кој се развива научниот метод. Збирот податоци со кои работи одреден научник секогаш се подложни на сомнеж затоа што тие се само дел од огромното море податоци за одредено нешто, но сега, кога технологијата е нивен главен извор, пристрасноста само се зголемува.
Многу поголема пречка за „новата наука“, сепак, може да биде нашата човечка потреба за објаснување на светот, во смисла на причина и последица. Оваа потреба за интерпретабилност можеби ги спречува научниците да излегуваат со нови ставови, на пример поврзани со мозокот, доколку податоците потекнуваат од големи дата-сетови. Но доколку тие треба да бидат преточени во корисни нешта, како лекарства и апарати, тогаш е клучно компјутерските модели да понудат информации кои можат да бидат објаснети, затоа што на тој начин ним ќе им веруваат и лекарите, и корисниците, и индустријата.
„Вештачка интелигенција која може да се објасни“ (Explainable AI) сега е жешка тема, која се обидува да даде одговор на премостувањето на јазот на толкување резултати кои не се добиени со стандардната научна методологија. Клучното прашање е: колку сме подготвени да се откажеме од предвидливоста, во корист на можноста за толкување? Како што тоа го рекол Пабло Пикасо уште во 1960-тите, „компјутерите се бескорисни. Тие можат да ви дадат само прашања.“
