Když se poptáte po tom, jak umělá inteligence předpovídá počasí, většina lidí si představuje černou skříňku, která krme data a vrací čísla. Realita je ale složitější. Podle nové studie z MIT se tyto modely často chovají jako neovladatelné stroje, které po delší době začnou tvrdit věci, které ve fyzickém světě prostě nemohou existovat. Tým z MIT Laboratory for Information and Decision Systems to chtěl změnit a našel způsob, jak jim nainstalovat nějakou tu zdravou rozumu.
Problém spočívá v tom, že chaos má své hranice, ale algoritmům o tom nevědí. Navzdory pokrokům v trénování, modely se mohou odchylovat od reality. Navid Azizan, profesor na MIT, to vysvětlil tak, že malá chyba se hromadí, dokud simulace nevyráží do nekonečna. Nová metoda řeší přesně to. Vkládá do jádra modelu fyzikální limity, které fungují jako tvrdé brzdy, takže předpovědi zůstávají reálné, ať už běží pro hodiny, dny nebo měsíce.
Proč se modely bloudí do nemožna
Chaotické systémy, jako je počasí, oceánské proudy nebo turbulentní proudění vzduchu kolem letadel, jsou extrémně citlivé na počáteční podmínky. Malá změna na začátku může vést k naprosto odlišnému výsledku. To dělá dlouhodobé předpovědi obtížnými. Umělé neuronové sítě se v posledních letech výrazně zlepšily, ale stále mají tendenci ztrácet kontakt s realitou, jakmile se dostanou mimo trénovací data.
Navid Azizan to popisuje jako problém s hromaděním chyb. Model může skvěle odpovídat pozorovaným datům na krátké vzdálenosti, ale když ho necháte běžet dlouho, začne generovat hodnoty, které rostou bez omezení. To je fyzikálně nesmyslné. V přirozeném světě se energie disipuje, systémy se usazují. Umělé modely tuto vlastnost často ignorují, protože jsou trénovány pouze na minimalizaci chyby v trénovacích datech, ne na dodržování fyzikálních zákonů.

Energie jako kotva reality
Místo toho, aby se tým spoléhal na tresty nebo odměny během trénování, které nefungují při předpovídání nových situací, vymyslel jiný přístup. Klíčem je energie. Model učí funkci, která si podobá energii, a zároveň definuje hranici, uvnitř které by mělo chaotické chování zůstat. Do modelu se přidává projekční vrstva, která zajišťuje, že energie se musí odvíjet. Pokud se simulace dostane mimo povolenou oblast, energie klesá a systém je táhнут zpět do reálného rozsahu.
Sunbochen Tang, hlavní autor studie, vysvětlil, že tento design umožňuje teoreticky dokázat, že předpovědi zůstanou omezené po libovolně dlouhou dobu. To je obrovský rozdíl oproti předchozím metodám. Tam, kde staré přístupy mohly jen doufat, že model se bude chovat rozumně, nová metoda to zajišťuje matematicky. Je to jako dát modelu pravidla hry, která nemůže porušit, i když se snaží být kreativní.

Praktické důsledky pro meteorologii
Toto zdánlivě abstraktní zlepšení má konkrétní dopady. Předpovědi počasí jsou dnes spolehlivější než kdy dříve, ale stále se stává, že extrémní události jsou buď podceněny, nebo přeceněny kvůli chybám v modelu. S novou metodou by se mělo snížit riziko, že model předpoví teplotu, která je fyzikálně nemožná, nebo větrné podmínky, které by rozbily letadlo. To je důležité nejen pro letectví, ale i pro energetiku, zemědělství a ochranu před povodněmi.
MIT News zdůrazňuje, že tým sdílí informace o tomto přístupu volně. To znamená, že ostatní výzkumníci a inženýři mohou tuto metodu použít a vylepšovat. Pokud se rozšíří, může to změnit způsob, jakým budeme přemýšlet o předpovědních modelech. Místo toho, abychom se snažili učit modely z dat, začneme jim diktovat fyzikální zákony, které musí dodržovat. To je posun od datového strojčení k fyzikálně informovanému strojčení.

Další krok v umělé inteligenci
Studie publikovaná v Proceedings of the National Academy of Sciences není jen dalším příspěvkem do vědeckého žurnálu. Je to signál, že umělá inteligence dospívá. Místo toho, aby se snažila být vševědoucí, učí se respektovat limity světa, ve kterém žijeme. To je důležité pro důvěru v technologie, které používáme. Pokud víme, že model nemůže předpovídat nemožné, můžeme se na jeho výstupy spoléhat více.
Navid Azizan zdůraznil, že chaos má limity a modely by je měly mít taky. Tato myšlenka se stává základním kamenem pro budoucí vývoj. Umělá inteligence nebude jen černou skříňkou, která hádá, ale nástrojem, který rozumí pravidlům hry. A to je přesně to, co potřebujeme, abychom mohli spolehlivě předpovídat budoucnost, ať už jde o počasí, klimata nebo turbulentní proudění.
Časté dotazy


Comments
0