Profesionalai, kurie prognozuoja ateitį pragyvenimui

Inez Fung

Kalifornijos universiteto Berklio atmosferos mokslų profesorius

Lėja Pritvirtinkite

Prognozė 2030 metams: mes apšviesime pasaulį… saugiai

Ši istorija buvo mūsų 2020 m. kovo mėnesio numerio dalis

• Žr. likusią numerio dalį
• Prenumeruoti

Aš kalbėjausi su žmonėmis, kurie nori informacijos apie klimato modelį, bet jie nėra tikri, ko jie manęs prašo. Taigi sakau jiems: Tarkime, aš jums pasakysiu, kad 2030 m. koks nors įvykis įvyks su 60 % tikimybe. Ar jums to pakaks, ar jums reikės 70 %? O gal reikia 90 proc. Kokio lygio informacijos norite gauti iš klimato modelio prognozių, kad jos būtų naudingos?

Aš prisijungiau prie Jimo Hanseno grupės 1979 m. ir buvau ten, kur buvo visos ankstyvos klimato prognozės. Ir kaip tada galvojome, tie dalykai vis dar yra visiškai išlikę. Nuo tada mes padarėme sodrumą ir didesnę skiriamąją gebą, tačiau projekcijos iš tikrųjų pagrįstos tais pačiais duomenimis, fizika ir stebėjimais.

Vis dėlto yra dalykų, kurių mums trūksta. Pavyzdžiui, mes vis dar neturime tikros kritulių teorijos. Tačiau ten vyksta du įdomūs dalykai. Vienas iš jų yra palydovinių stebėjimų prieinamumas: žiūrėti į debesį vis dar nėra visiškai išnaudojama. Kitas dalykas yra tai, kad anksčiau nebuvo būdo sužinoti regioninius kritulių modelius per istoriją, o dabar yra. Mokslininkai rado šiuos urvus Kinijoje ir kitur, įeina, ieško gražios kameros su stalagmitais, tada susmulkina ir siunčia atgal į laboratoriją, kur atlieka fantastišką urano ir torio datavimą ir matuoja deguonies izotopus. kalcio karbonatas. Iš ten jie gali interpretuoti istorinių kritulių rekordą. Duomenys neįtikėtini: visoje Azijoje turime daugiau nei pusės milijono metų kritulių rekordus.

Nemanau, kad iki 2030 m. sumažintume iškastinį kurą. Nemanau, kad sumažintume CO2 ar atmosferos metano kiekį. Šiuo metu apie 1,2 milijardo žmonių pasaulyje neturi prieigos prie elektros, todėl aš laukiu alternatyvios energijos augimo tose pasaulio dalyse, kuriose nėra elektros. Tai svarbu, nes tai išsilavinimas, sveikata ir viskas, kas susiję su vakarietišku gyvenimo lygiu. Štai kur aš dedu viltis.

Dvoros fotografija

Anne Lise Kjaer

Futuristas, Kjaer Global, Londonas

Prognozė 2030 metams: Suaugusieji išmoks suvokti naujas idėjas

Vaikystėje norėjau tapti archeologu ir tam tikra prasme tai padariau. Archeologai randa artefaktų iš praeities ir bando sujungti taškus bei papasakoti istoriją apie tai, kokia galėjo būti praeitis. Mes darome tą patį, ką ir futuristai; naudojame dabarties artefaktus ir stengiamės ateityje sujungti taškus į įdomius pasakojimus.

Kalbant apie ateitį, turite du pasirinkimus. Galite ramiai sėdėti ir galvoti, kad tai vyksta ne man, ir pastatyti didelę sieną, kad neprarastumėte visų blogų naujienų. Arba galite pastatyti vėjo malūnus ir panaudoti pokyčių vėjus.

Daugelis įmonių ateina pas mus ir mano, kad nori išgirsti apie ateitį, bet iš tikrųjų tai tik pratimas – tiesiog pažymėkime tą langelį, padarykime ataskaitą ir pasidėkime ją į savo knygų lentyną.

Taigi turime jiems nedidelį testą. Darome interviu, užduodame jiems klausimus; tada naudojame modelį, vadinamą tendencijų atlasu, kuriame atsižvelgiama ir į mokslinius visuomenės, ir į socialinius aspektus. Mes žiūrime į politikos, ekonomikos, visuomenės veiksnių, technologijų, aplinkos, teisės aktų tendencijas – kaip tai dera su tuo, ką šiuo metu žinome? Atsigręžiame gal 10, 20 metų atgal: ar galime įžvelgti šiokią tokią tendenciją ir pabandyti tai perkelti į ateitį?

Kas toliau? Akivaizdu, kad naudodamiesi technologijomis galime lavinti daug geriau nei galėjome anksčiau. Tačiau tai didžiulė galimybė ugdyti ne tik vaikus, bet ir kitos kartos tėvus. Vaikai mokosi apie tvarumo tikslus, bet kaip su žmonėmis, kurie iš tikrųjų valdo mūsų pasaulį?

Mandagumo nuotrauka

Filipas Tetlockas

Superprognozavimo bendraautoris ir Pensilvanijos universiteto profesorius

Prognozė 2030 m.: Būsime neaiškesni

Projekte „Geras sprendimas“ stengiamės stebėti komentatorių ir ekspertų tikslumą tose srityse, kuriose paprastai manoma, kad neįmanoma sekti tikslumo. Jūs pradedate didelę diskusiją ir suskirstote ją į išbandomų trumpalaikių rodiklių seriją. Taigi galite pradėti diskusiją apie tai, ar stiprios dirbtinio intelekto formos iki 2035 m., 2040 m., 2050 m. nesukels didelių dislokacijų baltųjų apykaklių darbo rinkose. Šiuo abstrakcijos lygiu jau vyksta daug diskusijų. — bet, mūsų požiūriu, naudingiau jį suskaidyti ir pasakyti: jei eitume ilgalaikėje trajektorijoje link tokio rezultato, kokių dalykų tikėtume pastebėti per trumpą laiką? Taigi mes tai pradėjome 2015 m., o 2016 m. AlphaGo nugalėjo žmones Go. Tačiau vėliau neįvyko kiti dalykai: 2017 m. pabaigoje be vairuotojų Uberiai nerinko žmonių už bilietus jokiame dideliame Amerikos mieste. Watsonas nenugalėjo geriausių pasaulio onkologų medicinos diagnostikos turnyre. Taigi nemanau, kad mes sparčiai judame link išskirtinumo, sakyk taip.

Prognozės gali būti savaime išsipildančios arba paneigiančios — Y2K, be abejo, buvo savaime paneigiama prognozė. Tačiau tai įmanoma įtraukti į prognozavimo turnyrą, užduodant sąlyginius prognozavimo klausimus: t. y. kiek tikėtina, kad X priklauso nuo to, ar mes darysime tai ar aną?

Tai, ką mačiau per pastaruosius 10 metų, ir tikiuosi, kad ši tendencija tęsis, yra didėjantis atvirumas neapibrėžtumo kiekybiniam įvertinimui. Manau, kad yra nuobodus, stabdantis, bet kaupiamas judėjimas link neapibrėžtumo mąstymo ir smulkesnių bei niuansuotų būdų, leidžiančių išlaikyti rezultatą.

Ryanas Youngas

Keithas Chenas

Ekonomikos docentas, UCLA

Prognozė 2030 m.: būsime daugiau ir mažiau privatūs

Kai dirbau su „Uber“ staigios kainodaros algoritmu, problema, kuriai jis buvo sukurtas, buvo labai grubi: bandėme įtikinti vairuotojus skirti papildomo laiko, kai jų labiausiai reikia. Buvo nuspėjami laikai, pavyzdžiui, Naujieji metai, kai žinojome, kad mums reikės daug žmonių. Gilesnė problema buvo ta, kad tai buvo iš esmės nekontroliuojama sistema. Tai tarsi bandymas nuspėti orą. Taip, šiandien renkamų oro duomenų kiekis – temperatūra, vėjo greitis, barometrinis slėgis, drėgmė – yra 10 000 kartų didesnis nei rinkome prieš 20 metų. Tačiau vis tiek negalime numatyti orų 10 000 kartų toliau nei galėjome tada. O socialiniai judėjimai – net ir labai specifinėje aplinkoje, pavyzdžiui, kur raiteliai nori eiti bet kuriuo momentu – yra net chaotiškesni nei oro sistemos.

Šiomis dienomis tai, ką darau, yra šiek tiek panašesnė į teismo ekonomiką. Mes žiūrime, ką galime rasti ir numatyti pagal žmonių judėjimo modelius. Naudojame tik paprastus mobiliojo telefono duomenis, pvz., geografinę vietą, bet net tik iš judesių modelių galime išvaduoti svarbią informaciją ir sukurti psichologinį jūsų aspektą. Mane gąsdina tai, kad jaučiu, kad turiu daug blogesnius duomenis nei „Facebook“. Taigi, ką jie gali suprasti turėdami daug geresnę informaciją?

Manau, kad kitas didelis socialinis lūžis yra tai, kad žmonės iš tikrųjų pradeda rūpintis savo privatumu. Tai bus kaip rūkymas restorane: greitai pasipiktinus, kai žmonės nori tai nutraukti, staiga sukels pasipiktinimą, jei kas nors tai padarys. Tačiau tuo pačiu metu iki 2030 m. beveik kiekvienas Kinijos pilietis bus visiškai genotipas. Nelabai žinau, kaip juos suderinti.

Sara Deragon

Annalee Newitz

Mokslinės ir negrožinės literatūros autorius, San Franciskas

Prognozė 2030 m.: pamatysime daug kuklesnių technologijų

Kiekvienas laikmetis turi savo idėjas apie ateitį. Grįžkite į šeštąjį dešimtmetį ir pamatysite, kad žmonės fantazavo apie skraidančius automobilius. Dabar įsivaizduojame dviračius ir žaliuosius miestus, kuriuose automobilių skaičius ribotas arba automobiliai yra autonomiški. Dabar turime labai skirtingus prioritetus, todėl tai padeda suprasti ateitį.

Mokslinės fantastikos rašytojai iš tikrųjų negali prognozuoti. Manau, kad mokslinė fantastika yra susijusi su dabartiniais klausimais. Bet ką mes galime padaryti, net jei negalime pasakyti, kas tikrai nutiks, tai pasiūlyti įvairius scenarijus, pagrįstus istorija.

Apie ateitį sklando daugybė mitų, kurie, žmonių manymu, išsipildys dabar. Manau, kad daugelis žmonių – ne tik mokslinės fantastikos rašytojai, bet ir mašininio mokymosi srityje dirbantys žmonės – tiki, kad gana greitai turėsime žmogui lygiavertes smegenis, kurios dirbs tam tikru skaičiavimo pagrindu. Tai taip pat atspindi mūsų laiką, kaip ir tai, kas iš tikrųjų gali nutikti.

Atrodo mažai tikėtina, kad žmogaus smegenys kompiuteryje yra visai šalia. Tačiau mes gyvename epochoje, kai daugelis iš mūsų jaučiasi taip, lyg jau gyventume kompiuteriuose, dėl darbo ir viso kito. Taigi, žinoma, turime fantazijų apie savo smegenų skaitmeninimą ir sąmonės įtraukimą į mašiną ar robotą.

Nesakau, kad tie dalykai niekada negali atsitikti. Tačiau jie atrodo daug glaudžiau susiję su mūsų dabartinėmis fantazijomis, nei su tikru techniniu proveržiu horizonte.

Turėsime sukurti daug geresnes pagalbos nelaimių atvejais ir reagavimo į nelaimes technologijas, nes matysime daug daugiau potvynių, gaisrų, audrų. Taigi manau, kad bus daug daugiau darbo su tikrai kukliomis technologijomis, kurios leis jums išjungti savo bendruomenę iš tinklo arba išvalyti savo vandenį. Ir aš neturiu omenyje šiurpiu išgyvenimo būdu; Turiu galvoje tiesiog tokiu būdu, kaip mes gyvename dabar.

Nojus Vilmanas

Doshi-Velezo finalas

Harvardo kompiuterių mokslų docentas

Prognozė 2030 m.: žmonės ir mašinos priims sprendimus kartu

Mano laboratorijoje mes bandome atsakyti į tokius klausimus kaip, kaip šis pacientas gali reaguoti į šį antidepresantą? arba Kaip šis pacientas gali reaguoti į šį vazopresorių? Taigi iš ligoninės gauname tiek duomenų, kiek galime. Psichiatriniam pacientui galime turėti viską apie jo širdies ligas, inkstų ligas, vėžį; Norėdami gauti kraujospūdžio valdymo rekomendaciją ICU, turime visą informaciją apie deguonį, laktatą ir kt.

Kai kurie iš jų gali būti svarbūs prognozuojant jų ligas, kiti ne, ir mes nežinome, kuri yra kuri. Štai kodėl mes prašome didelio duomenų rinkinio su viskuo.

Maždaug dešimtmetį buvo stengiamasi, kad neprižiūrimi mašininio mokymosi modeliai geriau atliktų šias prognozes, tačiau nė vienas neveikė tikrai gerai. Proveržis mums buvo tada, kai nustatėme, kad visi ankstesni būdai tai padaryti buvo neteisingi. Kai visa tai išpainiojome, sugalvojome kitą metodą.

Taip pat supratome, kad net jei mūsų gebėjimas numatyti, kokie vaistai veiks, ne visada yra tokie puikūs, galime patikimiau numatyti, kokie vaistai neveiks, o tai yra beveik tokia pat vertinga.

Džiaugiuosi derindamas žmones ir dirbtinį intelektą, kad galėčiau prognozuoti. Tarkime, jūsų AI klaidų lygis yra 70%, o jūsų žmogus taip pat teisus tik 70% laiko. Sunku sujungti šias dvi sistemas, bet jei galite sulieti jų sėkmę, tuomet turėtumėte sugebėti padaryti geriau nei bet kuri sistema atskirai. Kaip tai padaryti – tikrai sunkus, jaudinantis klausimas.

Visi šie nuspėjamieji modeliai buvo sukurti ir įdiegti, o žmonės nepakankamai galvojo apie galimą šališkumą. Tikiuosi, kad turėsime ateitį, kurioje šios žmonių ir mašinų komandos priims sprendimus, kurie yra geresni nei vienas.

Guillaume'as Simoneau

Abdoulaye Banire Diallo

Profesorius, Monrealio Kvebeko universiteto bioinformatikos laboratorijos direktorius

Prognozė 2030 m.: bus reguliuojamas mašininis prognozavimas

Kai Kvebeko ūkininkas nusprendžia, ar sėklinti karvę, ar ne, tai gali priklausyti nuo pieno, kuris bus gaminamas kiekvieną dieną vienerius, dvejus, o po to – trejus metus. Ūkiai turi valdymo sistemas, kurios fiksuoja ūkio duomenis ir aplinką. Dalyvauju projektuose, kuriuose pridedamas genetinių ir genominių duomenų sluoksnis, padedantis prognozuoti — padėti sprendimus priimantiems asmenims, pavyzdžiui, ūkininkams, susidaryti išsamų vaizdą, kai jie galvoja apie karvių pakeitimą, valdymo, atsparumo ir gyvūnų gerovės gerinimą.

Atsiradus mašininiam mokymuisi ir dirbtiniam intelektui, parodome, kad galime padėti spręsti problemas taip, kaip anksčiau nebuvo. Pritaikome jį pieno sektoriui, kuriame parodėme, kad kai kuriuos sprendimus galima numatyti prieš 18 mėnesių, vien tik prognozuojant remiantis šių genominių duomenų integravimu. Manau, kad kai kuriose srityse, pvz., augalų sveikata, pasiekėme tik 10 % arba 20 % savo galimybių patobulinti tam tikrus modelius.

Iki šiol AI ir mašininis mokymasis buvo siejami su srities patirtimi. Tai nėra viešas dalykas. Tačiau mažiau nei po 10 metų jie turės būti reguliuojami. Manau, kad tokiems mokslininkams kaip aš kyla daug iššūkių, kad šie metodai būtų labiau paaiškinami, skaidresni ir labiau tikrinami.

paslėpti