Profesionāļi, kuri prognozē nākotni, lai dzīvotu
Inesa Funga
Atmosfēras zinātnes profesors Kalifornijas Universitātē, Bērklijā
Lea Piesprādzējies
Prognoze 2030. gadam: mēs izgaismosim pasauli… droši
Šis stāsts bija daļa no mūsu 2020. gada marta numura
lielākais burbulis pasaulē
- Skatiet pārējo izdevuma daļu
- Abonēt
Esmu runājis ar cilvēkiem, kuri vēlas iegūt informāciju par klimata modeli, taču viņi nav īsti pārliecināti, ko viņi man prasa. Tāpēc es viņiem saku: Pieņemsim, ka es jums saku, ka kāds notikums notiks ar 60% varbūtību 2030. gadā. Vai tas jums būs pietiekami labi, vai arī jums vajadzēs 70%? Vai arī jums vajadzētu 90%? Kāda līmeņa informāciju vēlaties iegūt no klimata modeļa prognozēm, lai tās būtu noderīgas?
Es pievienojos Džima Hansena grupai 1979. gadā un biju tur, lai uzzinātu visas agrīnās klimata prognozes. Un, kā mēs toreiz domājām, šīs lietas joprojām ir pilnībā pastāvējušas. Kopš tā laika mēs esam paveikuši bagātību un augstāku izšķirtspēju, taču projekcijas patiešām ir balstītas uz tāda paša veida datiem, fiziku un novērojumiem.
Tomēr ir lietas, kas mums pietrūkst. Piemēram, mums joprojām nav īstas nokrišņu teorijas. Bet tur notiek divas aizraujošas lietas. Viens no tiem ir satelītnovērojumu pieejamība: skatīšanās uz mākoni joprojām nav pilnībā izmantota. Otrs ir tas, ka agrāk nebija iespējas iegūt reģionālos nokrišņu modeļus vēsturē, un tagad tas ir. Zinātnieki atrada šīs alas Ķīnā un citur un ieiet iekšā, meklē mazu, jauku kameru ar stalagmītiem, tad tās sasmalcina un nosūta atpakaļ uz laboratoriju, kur veic fantastisku urāna un torija datēšanu un mēra skābekļa izotopus. kalcija karbonāts. No turienes viņi var interpretēt vēsturisko nokrišņu rekordu. Dati ir neticami: mēs esam ieguvuši vairāk nekā pusmiljonu gadu nokrišņu rekordus visā Āzijā.
Es neredzu, ka līdz 2030. gadam mēs samazinātu fosilo kurināmo. Es neredzu, ka mēs samazinātu CO2 vai atmosfērā esošo metānu. Apmēram 1,2 miljardiem cilvēku pasaulē šobrīd nav piekļuves elektrībai, tāpēc es ceru uz alternatīvās enerģijas pieaugumu tajās pasaules daļās, kurās nav elektrības. Tas ir svarīgi, jo tā ir izglītība, veselība, viss, kas saistīts ar Rietumu dzīves līmeni. Tieši tur es lieku cerības.
Dvoras fotogrāfija
Anne Līze Kjēre
Futūrists, Kjaer Global, Londona
Prognoze 2030. gadam: pieaugušie iemācīsies aptvert jaunas idejas
Bērnībā es gribēju kļūt par arheologu, un savā ziņā arī to darīju. Arheologi atrod pagātnes artefaktus un mēģina savienot punktus un pastāstīt stāstu par to, kāda varēja būt pagātne. Mēs darām to pašu, ko futūristi; mēs izmantojam artefaktus no tagadnes un cenšamies savienot punktus interesantos stāstos nākotnē.
Runājot par nākotni, jums ir divas izvēles. Jūs varat sēdēt un domāt, ka tas nenotiek ar mani, un uzcelt lielu sienu, lai nepaliktu sliktās ziņas. Vai arī varat uzbūvēt vējdzirnavas un izmantot pārmaiņu vējus.
Daudzi uzņēmumi ierodas pie mums un domā, ka vēlas dzirdēt par nākotni, taču patiesībā tas viņiem ir tikai vingrinājums — atzīmēsim šo izvēles rūtiņu, sastādīsim ziņojumu un ievietosim to mūsu grāmatu plauktā.
Tāpēc mums ir neliels pārbaudījums viņiem. Veicam intervijas, uzdodam viņiem jautājumus; tad mēs izmantojam modeli, ko sauc par tendenču atlantu, kas ņem vērā gan sabiedrības zinātniskās, gan sociālās dimensijas. Mēs skatāmies uz tendencēm politikā, ekonomikā, sabiedrības virzītājspēkos, tehnoloģijās, vidē, likumdošanā — kā tas saskan ar to, ko mēs šobrīd zinām? Mēs atskatāmies varbūt 10, 20 gadus atpakaļ: vai mēs varam saskatīt kaut nelielu tendenci un mēģināt to īstenot nākotnē?
Ko tālāk? Acīmredzot, izmantojot tehnoloģiju, mēs varam izglītot daudz labāk, nekā varējām pagātnē. Taču tā ir milzīga iespēja izglītot nākamās paaudzes vecākus, ne tikai bērnus. Bērni mācās par ilgtspējības mērķiem, bet kā ir ar cilvēkiem, kuri patiesībā pārvalda mūsu pasauli?
Pieklājības foto
Filips Tetloks
Superprognožu līdzautors un Pensilvānijas Universitātes profesors
Prognoze 2030. gadam: mēs kļūsim labāk nedroši
Laba sprieduma projektā mēs cenšamies izsekot komentētāju un ekspertu precizitātei jomās, kurās parasti tiek uzskatīts, ka nav iespējams izsekot precizitāti. Jūs veicat lielas debates un sadalāt tās pārbaudāmu īstermiņa rādītāju sērijā. Tātad jūs varētu diskutēt par to, vai spēcīgas mākslīgā intelekta formas līdz 2035., 2040. un 2050. gadam radīs lielas dislokācijas balto apkaklīšu darba tirgos. Šajā abstrakcijas līmenī jau notiek daudz diskusiju. — bet no mūsu viedokļa lietderīgāk ir to sadalīt un pateikt: ja mēs būtu ilgtermiņa trajektorijā pretī tādam iznākumam, kādas lietas mēs sagaidītu īstermiņā? Tāpēc mēs to sākām 2015. gadā, un 2016. gadā AlphaGo uzvarēja cilvēkus Go. Taču tad nenotika citas lietas: 2017. gada beigās Uberi bez vadītājiem nesaņēma cilvēkus par cenām nevienā lielākajā Amerikas pilsētā. Vatsons medicīniskās diagnostikas turnīrā nepārspēja pasaules labākos onkologus. Tāpēc es nedomāju, ka mēs virzāmies uz singularitāti, tā sakot.
Prognozes var būt vai nu pašpiepildošas, vai sevi noliedzošas — Y2K neapšaubāmi bija sevis noliedzoša prognoze. Taču to ir iespējams iekļaut prognozēšanas turnīrā, uzdodot nosacījumus prognozēšanas jautājumiem: t.i., cik liela ir iespējamība, ka X ir atkarīgs no tā, vai mēs darīsim tā vai tā?
Tas, ko esmu redzējis pēdējo 10 gadu laikā, un es ceru, ka tā turpināsies, ir pieaugoša atvērtība nenoteiktības kvantitatīvai noteikšanai. Es domāju, ka ir vērojama neapmierināta, apturoša, bet kumulatīva kustība uz domāšanu par nenoteiktību, kā arī detalizētāki un niansētāki veidi, kas ļauj saglabāt rezultātu.
Raiens Jangs
Kīts Čens
Ekonomikas asociētais profesors, UCLA
Prognoze 2030. gadam: mēs būsim vairāk un mazāk privāti
Kad es strādāju pie Uber pārsprieguma cenu noteikšanas algoritma, problēma, kas tika izstrādāta, lai atrisinātu to, bija ļoti rupja: mēs centāmies pārliecināt autovadītājus veltīt papildu laiku, kad tie bija visvairāk nepieciešami. Bija paredzami laiki, piemēram, Jaunais gads, kad zinājām, ka mums vajadzēs daudz cilvēku. Dziļāka problēma bija tā, ka šī bija sistēma, kas būtībā bez kontroles. Tas ir kā mēģinājums paredzēt laikapstākļus. Jā, šodien apkopoto laikapstākļu datu apjoms — temperatūra, vēja ātrums, barometriskais spiediens, mitrums — ir 10 000 reižu lielāks nekā tas, ko mēs apkopojām pirms 20 gadiem. Bet mēs joprojām nevaram paredzēt laikapstākļus 10 000 reižu tālāk nekā toreiz. Un sociālās kustības — pat ļoti specifiskā vidē, piemēram, kur braucēji vēlas doties jebkurā konkrētā brīdī — ir pat haotiskākas nekā laikapstākļu sistēmas.
Mūsdienās tas, ko es daru, vairāk atgādina tiesu ekonomiku. Mēs skatāmies, ko varam atrast un paredzēt no cilvēku kustību modeļiem. Mēs izmantojam tikai vienkāršus mobilā tālruņa datus, piemēram, ģeogrāfisko atrašanās vietu, taču pat tikai no kustību modeļiem mēs varam secināt svarīgu informāciju un izveidot jūsu psiholoģisko dimensiju. Mani biedē tas, ka man šķiet, ka man ir daudz sliktāki dati nekā Facebook. Tātad, ko viņi spēj saprast ar savu daudz labāko informāciju?
Es domāju, ka nākamais lielais sociālais pagrieziena punkts ir tas, ka cilvēki patiešām sāk rūpēties par savu privātumu. Tas būs kā smēķēšana restorānā: ātri vien no sašutuma izraisīšanas, kad cilvēki vēlas to pārtraukt, pēkšņi izraisīs sašutumu, ja kāds to dara. Taču tajā pašā laikā līdz 2030. gadam gandrīz katram Ķīnas pilsonim tiks pilnībā noteikts genotips. Es īsti nezinu, kā saskaņot abus.
mikročips rokā 2017
Sāra Deragona
Annalī Ņūta
Zinātniskās fantastikas un zinātniskās fantastikas autors, Sanfrancisko
Prognoze 2030. gadam: mēs redzēsim daudz pieticīgāku tehnoloģiju
Katram laikmetam ir savas idejas par nākotni. Atgriezieties 1950. gados, un jūs redzēsiet, ka cilvēki fantazēja par lidojošām automašīnām. Tagad mēs iedomājamies velosipēdus un zaļās pilsētas, kur automašīnu skaits ir ierobežots vai kur automašīnas ir autonomas. Mums šobrīd ir patiešām dažādas prioritātes, tāpēc tas ietekmē mūsu izpratni par nākotni.
Zinātniskās fantastikas rakstnieki faktiski nevar prognozēt. Es domāju, ka zinātniskā fantastika ir saistīta ar jautājumiem, kas tiek izvirzīti tagadnē. Bet tas, ko mēs varam darīt, pat ja mēs nevaram pateikt, kas noteikti notiks, ir piedāvāt dažādus scenārijus, kuru pamatā ir vēsture.
Ir daudz mītu par nākotni, kas, pēc cilvēku domām, piepildīsies tieši tagad. Es domāju, ka daudzi cilvēki — ne tikai zinātniskās fantastikas rakstnieki, bet arī cilvēki, kas strādā pie mašīnmācīšanās — uzskata, ka salīdzinoši drīz mums būs cilvēkam līdzvērtīgas smadzenes, kas darbosies uz kāda veida skaitļošanas substrāta. Tas tikpat lielā mērā atspoguļo mūsu laiku, kā tas, kas patiesībā varētu notikt.
Šķiet maz ticams, ka cilvēkam līdzvērtīgas smadzenes datorā atrodas tepat aiz stūra. Taču mēs dzīvojam laikmetā, kurā daudziem šķiet, ka jau dzīvojam datoros, darba un visa cita dēļ. Tāpēc, protams, mums ir fantāzijas par savu smadzeņu digitalizāciju un apziņas ievietošanu mašīnā vai robotā.
Es nesaku, ka tādas lietas nekad nevarētu notikt. Taču tie šķiet daudz ciešāk saistīti ar mūsu fantāzijām tagadnē, nekā ar īstu tehnisku izrāvienu pie apvāršņa.
Mums būs jāizstrādā daudz labākas tehnoloģijas katastrofu seku likvidēšanai un ārkārtas reaģēšanai, jo mēs redzēsim daudz vairāk plūdu, ugunsgrēku, vētru. Tāpēc es domāju, ka būs daudz vairāk darba pie patiešām pieticīgām tehnoloģijām, kas ļaus jums izņemt savu kopienu no tīkla vai attīrīt savu ūdeni. Un es nedomāju rāpojošā izdzīvošanas veidā; Es domāju tikai tādā veidā, kā mēs tagad dzīvojam.
Noa Vilmens
Fināls Doshi-Velez
Datorzinātņu asociētais profesors, Hārvarda
Prognoze 2030. gadam: cilvēki un mašīnas pieņems lēmumus kopā
Manā laboratorijā mēs cenšamies atbildēt uz jautājumiem, piemēram, Kā šis pacients varētu reaģēt uz šo antidepresantu? vai Kā šis pacients varētu reaģēt uz šo vazopresoru? Tātad no slimnīcas iegūstam tik daudz datu, cik varam. Psihiatriskā pacienta gadījumā mums var būt viss par sirds slimībām, nieru slimībām, vēzi; lai sniegtu ieteikumus par asinsspiediena regulēšanu ICU, mums ir visa informācija par skābekli, laktātu un daudz kas cits.
Daži no tiem varētu būt saistīti ar prognozēm par viņu slimībām, daži ne, un mēs nezinām, kura ir kura. Tāpēc mēs pieprasām lielu datu kopu ar visu.
Ir bijis aptuveni desmit gadu darbs, mēģinot panākt, lai neuzraudzīti mašīnmācīšanās modeļi veiktu labāku darbu šo prognožu izstrādē, un neviens no tiem nedarbojās īsti labi. Izrāviens mums bija tad, kad mēs atklājām, ka visas iepriekšējās pieejas, lai to izdarītu, bija nepareizi tieši tādā pašā veidā. Kad mēs to visu atšķetinājām, mēs izdomājām citu metodi.
Mēs arī sapratām, ka pat tad, ja mūsu spēja paredzēt, kādas zāles iedarbosies, ne vienmēr ir tik lieliska, mēs varam ticamāk paredzēt, kuras zāles nedarbosies, un tas ir gandrīz tikpat vērtīgs.
Esmu sajūsmā par cilvēku un mākslīgā intelekta apvienošanu, lai veiktu prognozes. Pieņemsim, ka jūsu AI kļūdu līmenis ir 70% un arī jūsu cilvēkam ir taisnība tikai 70% gadījumu. Abu apvienošana ir sarežģīta, taču, ja jūs varat sapludināt viņu panākumus, tad jums vajadzētu būt spējīgam veikt labāk nekā abas sistēmas atsevišķi. Kā to izdarīt, ir patiešām grūts, aizraujošs jautājums.
tiešsaistes melu detektora pārbaude
Visi šie paredzamie modeļi tika izveidoti un izvietoti, un cilvēki pietiekami nedomāja par iespējamām novirzēm. Es ceru, ka mums būs tāda nākotne, kurā šīs cilvēku un mašīnu komandas pieņems lēmumus, kas ir labāki nekā katrs atsevišķi.
Gijoms Simono
Abdoulaye Banire Diallo
Profesors, Monreālas Kvebekas Universitātes bioinformātikas laboratorijas direktors
Prognoze 2030. gadam: tiks regulēta prognozēšana ar mašīnu
Kad lauksaimnieks Kvebekā izlemj, vai apsēklot govi vai nē, tas var būt atkarīgs no piena sagaidāmības, kas katru dienu tiks ražots vienu gadu, divus gadus, varbūt trīs gadus pēc tam. Saimniecībās ir vadības sistēmas, kas tver datus un saimniecības vidi. Esmu iesaistīts projektos, kas pievieno ģenētisko un genoma datu slāni, lai palīdzētu prognozēt — lai palīdzētu lēmumu pieņēmējiem, piemēram, lauksaimniekiem, gūt pilnīgu priekšstatu, kad viņi domā par govju nomaiņu, pārvaldības, noturības un dzīvnieku labturības uzlabošanu.
Līdz ar mašīnmācības un mākslīgā intelekta parādīšanos mēs parādām, ka varam palīdzēt risināt problēmas tādā veidā, kas iepriekš nav darīts. Mēs to pielāgojam piena nozarei, kur esam parādījuši, ka dažus lēmumus var paredzēt 18 mēnešus iepriekš, tikai prognozējot, pamatojoties uz šo genoma datu integrāciju. Es domāju, ka dažās jomās, piemēram, augu veselības jomā, mēs esam sasnieguši tikai 10 % vai 20 % no mūsu spējas uzlabot noteiktus modeļus.
Līdz šim AI un mašīnmācīšanās ir bijušas saistītas ar domēna kompetenci. Tā nav publiska lieta. Taču mazāk nekā pēc 10 gadiem tie būs jāregulē. Es domāju, ka tādiem zinātniekiem kā es ir daudz izaicinājumu, lai mēģinātu padarīt šīs metodes saprotamākas, pārredzamākas un pārbaudāmākas.
