211service.com
Profesjonaliści, którzy zawodowo przewidują przyszłość
Inez Fun
Profesor nauk o atmosferze na Uniwersytecie Kalifornijskim w Berkeley
Leah zapiąć
Prognozy na rok 2030: Rozświetlimy świat… bezpiecznie
Ta historia była częścią naszego wydania z marca 2020 r.
- Zobacz resztę numeru
- Subskrybuj
Rozmawiałem z ludźmi, którzy chcą uzyskać informacje o modelu klimatycznym, ale nie są do końca pewni, o co mnie proszą. Więc mówię im: Załóżmy, że powiem wam, że jakieś wydarzenie wydarzy się z prawdopodobieństwem 60% w 2030 roku. Czy to będzie dla ciebie wystarczająco dobre, czy będziesz potrzebować 70%? A może potrzebujesz 90%? Jaki poziom informacji chcesz uzyskać z prognoz modeli klimatycznych, aby były przydatne?
Dołączyłem do grupy Jima Hansena w 1979 roku i brałem udział we wszystkich wczesnych prognozach klimatycznych. A sposób, w jaki wtedy o tym myśleliśmy, to wszystko nadal jest. Od tego czasu dodaliśmy bogactwo i wyższą rozdzielczość, ale projekcje są naprawdę oparte na tych samych danych, fizyce i obserwacjach.
Są jednak rzeczy, których nam brakuje. Na przykład nadal nie mamy prawdziwej teorii opadów. Ale dzieją się tam dwie ekscytujące rzeczy. Jednym z nich jest dostępność obserwacji satelitarnych: patrzenie na chmurę nadal nie jest w pełni wykorzystywane. Drugim jest to, że kiedyś nie było sposobu, aby uzyskać regionalne wzorce opadów w historii – a teraz jest. Naukowcy znaleźli te jaskinie w Chinach i gdzie indziej, i wchodzą do środka, szukają ładnej małej komory ze stalagmitami, a następnie rąbają je i odsyłają z powrotem do laboratorium, gdzie przeprowadzają fantastyczne datowanie uranowo-torowe i mierzą izotopy tlenu w węglan wapnia. Stamtąd mogą zinterpretować zapis historycznych opadów. Dane są niewiarygodne: mamy ponad pół miliona lat opadów w całej Azji.
Nie widzę, abyśmy redukowali paliwa kopalne do 2030 roku. Nie widzę, abyśmy redukowali CO2 lub metan atmosferyczny. Około 1,2 miliarda ludzi na świecie nie ma obecnie dostępu do elektryczności, więc nie mogę się doczekać wzrostu alternatywnych źródeł energii w częściach świata, które nie mają elektryczności. To ważne, ponieważ to edukacja, zdrowie, wszystko, co wiąże się z zachodnim standardem życia. W tym pokładam swoje nadzieje.
Fotografia Dvora
Anne Lise Kjaer
Futurysta, Kjaer Global, Londyn
Prognozy na rok 2030: Dorośli nauczą się chwytać nowe idee
Jako dziecko chciałem zostać archeologiem i w pewnym sensie to zrobiłem. Archeolodzy znajdują artefakty z przeszłości i próbują połączyć kropki i opowiedzieć historię o tym, jak mogła wyglądać przeszłość. Robimy to samo co futuryści; używamy artefaktów z teraźniejszości i staramy się łączyć kropki w ciekawe narracje w przyszłości.
Jeśli chodzi o przyszłość, masz dwie możliwości. Możesz usiąść wygodnie i pomyśleć, że to się nie przydarzyło, i zbudować wielki mur, aby nie dopuścić do złych wieści. Możesz też budować wiatraki i ujarzmić wiatry zmian.
Wiele firm przychodzi do nas i myśli, że chcą usłyszeć o przyszłości, ale tak naprawdę to dla nich tylko ćwiczenie — po prostu zaznaczmy to pole, zróbmy raport i umieśćmy go na naszej półce z książkami.
Więc mamy dla nich mały test. Robimy wywiady, zadajemy im pytania; następnie używamy modelu zwanego Atlasem Trendów, który uwzględnia zarówno naukowe wymiary społeczeństwa, jak i społeczne. Przyglądamy się trendom w polityce, ekonomii, czynnikach społecznych, technologii, środowisku, prawodawstwie – jak to się ma do tego, co wiemy obecnie? Spoglądamy może 10, 20 lat wstecz: czy możemy dostrzec jakiś trend i spróbować umieścić go w przyszłości?
Co dalej? Oczywiście dzięki technologii możemy edukować znacznie lepiej niż w przeszłości. Ale to ogromna szansa na edukowanie rodziców kolejnego pokolenia, nie tylko dzieci. Dzieci uczą się o celach zrównoważonego rozwoju, ale co z ludźmi, którzy faktycznie rządzą naszym światem?
Zdjęcie dzięki uprzejmości
Filip Tetlock
Współautor Superforecasting i profesor, University of Pennsylvania
Prognozy na rok 2030: Będziemy lepsi w niepewności
W Good Judgment Project staramy się śledzić trafność komentatorów i ekspertów w dziedzinach, w których śledzenie trafności zwykle uważane jest za niemożliwe. Rozpoczynasz wielką debatę i dzielisz ją na serię testowalnych wskaźników krótkoterminowych. Można więc podjąć debatę na temat tego, czy silne formy sztucznej inteligencji spowodują poważne dyslokacje na rynkach pracy umysłowej do 2035, 2040, 2050. Na tym poziomie abstrakcji toczy się już wiele dyskusji — ale z naszego punktu widzenia bardziej przydatne jest rozbicie tego i powiedzenie: gdybyśmy byli na długoterminowej trajektorii w kierunku takiego wyniku, jakich rzeczy spodziewalibyśmy się zaobserwować w krótkim okresie? Zaczęliśmy to więc w 2015 roku, a w 2016 AlphaGo pokonało ludzi w Go. Ale wtedy nie wydarzyły się inne rzeczy: pod koniec 2017 r. Ubery bez kierowców nie odbierały biletów w żadnym większym amerykańskim mieście. Watson nie pokonał najlepszych na świecie onkologów w turnieju diagnostyki medycznej. Więc nie sądzę, że jesteśmy na szybkiej ścieżce w kierunku osobliwości, ujmijmy to w ten sposób.
Prognozy mogą być samospełniające się lub samonegujące — Rok Y2K był prawdopodobnie samozaprzeczającą prognozą. Ale możliwe jest wbudowanie tego w turniej prognostyczny, zadając pytania dotyczące prognozowania warunkowego: np. Jak prawdopodobne jest, że X będzie uzależnione od tego, czy zrobimy to lub tamto?
To, co zaobserwowałem w ciągu ostatnich 10 lat i spodziewam się, że ten trend się utrzyma, to rosnąca otwartość na kwantyfikację niepewności. Myślę, że istnieje niechętny, powstrzymywany, ale kumulacyjny ruch w kierunku myślenia o niepewności oraz bardziej szczegółowych i zniuansowanych sposobach, które pozwalają utrzymać wynik.
Ryan Young
Keith Chen
profesor nadzwyczajny ekonomii, UCLA
Prognozy na rok 2030: Będziemy bardziej – i mniej – prywatni
Kiedy pracowałem nad algorytmem wyceny przepięć Ubera, problem, który miał rozwiązać, był bardzo grubiański: próbowaliśmy przekonać kierowców, aby poświęcili dodatkowy czas, kiedy byli najbardziej potrzebni. Były przewidywalne czasy – jak Nowy Rok – kiedy wiedzieliśmy, że będziemy potrzebować wielu ludzi. Głębszy problem polegał na tym, że był to system bez kontroli. To jak próba przewidzenia pogody. Tak, ilość danych pogodowych, które zbieramy dzisiaj — temperatura, prędkość wiatru, ciśnienie atmosferyczne, dane dotyczące wilgotności — jest 10 000 razy większa niż ta, którą zbieraliśmy 20 lat temu. Ale nadal nie możemy przewidzieć pogody 10 000 razy dalej niż wtedy. A ruchy społeczne – nawet w bardzo specyficznym otoczeniu, takim jak miejsce, w którym jeźdźcy chcą się udać w dowolnym momencie – są, jeśli w ogóle, nawet bardziej chaotyczne niż systemy pogodowe.
Obecnie to, co robię, bardziej przypomina ekonomię sądową. Przyglądamy się, co możemy znaleźć i przewidzieć na podstawie wzorców ruchu ludzi. Używamy tylko prostych danych z telefonu komórkowego, takich jak geolokalizacja, ale nawet na podstawie wzorców ruchu możemy wywnioskować istotne informacje i zbudować psychologiczny wymiar Ciebie. Przeraża mnie to, że mam o wiele gorsze dane niż Facebook. Więc co są w stanie zrozumieć dzięki znacznie lepszym informacjom?
Myślę, że kolejnym ważnym punktem zwrotnym dla społeczności jest to, że ludzie zaczynają naprawdę dbać o swoją prywatność. To będzie jak palenie w restauracji: szybko zmieni się z wywoływania oburzenia, gdy ludzie chcą to przestać, do nagłego wywołania oburzenia, jeśli ktoś to zrobi. Ale jednocześnie do 2030 r. prawie każdy obywatel Chin zostanie całkowicie genotypowany. Nie do końca wiem, jak to pogodzić.
Sara Deragon
Annalee Newitz
Autorka science fiction i literatury faktu, San Francisco
Prognoza na rok 2030: zobaczymy o wiele bardziej skromną technologię
Każda epoka ma swoje własne wyobrażenia na temat przyszłości. Wróć do lat pięćdziesiątych, a zobaczysz, że ludzie fantazjowali o latających samochodach. Teraz wyobrażamy sobie rowery i zielone miasta, w których samochody są ograniczone lub samochody są autonomiczne. Mamy teraz naprawdę różne priorytety, co przekłada się na nasze rozumienie przyszłości.
Pisarze science fiction nie potrafią w rzeczywistości przewidywać. Myślę, że science fiction zajmuje się pytaniami, które pojawiają się w teraźniejszości. Ale to, co możemy zrobić, nawet jeśli nie możemy powiedzieć, co na pewno się wydarzy, to zaoferować szereg scenariuszy opartych na historii.
Istnieje wiele mitów na temat przyszłości, które według ludzi spełnią się właśnie teraz. Myślę, że wiele osób — nie tylko pisarzy science fiction, ale także ludzi, którzy pracują nad uczeniem maszynowym — wierzy, że stosunkowo niedługo będziemy mieli mózg równoważny człowiekowi działający na jakimś podłożu obliczeniowym. Jest to w takim samym stopniu odzwierciedlenie naszych czasów, jak to, co może się wydarzyć.
Wydaje się nieprawdopodobne, by odpowiednik ludzkiego mózgu w komputerze był tuż za rogiem. Ale żyjemy w epoce, w której wielu z nas czuje się, jakbyśmy żyli już w komputerach, do pracy i wszystkiego innego. Więc oczywiście mamy fantazje o digitalizacji naszych mózgów i umieszczeniu naszej świadomości w maszynie lub robocie.
Nie mówię, że takie rzeczy nigdy nie mogłyby się wydarzyć. Ale wydają się być o wiele bardziej związani z naszymi fantazjami w teraźniejszości niż z prawdziwym przełomem technicznym na horyzoncie.
Będziemy musieli opracować znacznie lepsze technologie związane z pomocą w przypadku katastrof i reagowaniem w sytuacjach kryzysowych, ponieważ będziemy świadkami znacznie większej liczby powodzi, pożarów i burz. Myślę więc, że będzie dużo więcej pracy nad naprawdę skromnymi technologiami, które pozwolą ci zdjąć twoją społeczność z sieci lub oczyścić własną wodę. I nie mam na myśli w przerażający surwiwalistyczny sposób; Mam na myśli sposób, w jaki teraz żyjemy.
Noe Willman
Finał Doshi-Velez
Docent informatyki, Harvard
Prognoza na rok 2030: Ludzie i maszyny będą wspólnie podejmować decyzje
W moim laboratorium próbujemy odpowiedzieć na pytania typu Jak ten pacjent może zareagować na ten lek przeciwdepresyjny? lub Jak ten pacjent może zareagować na ten środek wazopresyjny? Więc otrzymujemy jak najwięcej danych ze szpitala. Dla pacjenta psychiatrycznego możemy mieć wszystko na temat choroby serca, nerek, raka; w celu uzyskania zaleceń dotyczących zarządzania ciśnieniem krwi dla oddziału intensywnej terapii, mamy wszystkie informacje dotyczące tlenu, mleczanu i nie tylko.
Niektóre z nich mogą mieć znaczenie dla przewidywania ich chorób, inne nie, i nie wiemy, która jest która. Dlatego prosimy o duży zestaw danych ze wszystkim.
Od około dekady pracowaliśmy nad uzyskaniem nienadzorowanych modeli uczenia maszynowego, aby lepiej wykonywać te prognozy, ale żaden z nich nie działał naprawdę dobrze. Przełomem był dla nas moment, w którym odkryliśmy, że wszystkie poprzednie podejścia do tego celu były błędne w dokładnie taki sam sposób. Kiedy już to wszystko rozwiązaliśmy, wymyśliliśmy inną metodę.
Zdaliśmy sobie również sprawę, że nawet jeśli nasza zdolność przewidywania działania leku nie zawsze jest tak dobra, możemy bardziej wiarygodnie przewidzieć, które leki nie będą działać, co jest prawie tak samo wartościowe.
Jestem podekscytowany łączeniem ludzi i sztucznej inteligencji w celu przewidywania. Załóżmy, że twoja sztuczna inteligencja ma wskaźnik błędów 70%, a twój człowiek ma rację tylko w 70% przypadków. Połączenie tych dwóch jest trudne, ale jeśli uda ci się połączyć ich sukcesy, powinieneś być w stanie zrobić coś lepszego niż każdy z tych systemów osobno. Jak to zrobić, to naprawdę trudne, ekscytujące pytanie.
Wszystkie te modele predykcyjne zostały zbudowane i wdrożone, a ludzie nie zastanawiali się wystarczająco nad potencjalnymi uprzedzeniami. Mam nadzieję, że czeka nas przyszłość, w której te zespoły człowiek-maszyna będą podejmować decyzje lepsze niż w pojedynkę.
Guillaume Simoneau
Abdoulaye Banire Diallo
Profesor, dyrektor laboratorium bioinformatycznego, University of Quebec w Montrealu
Prognoza na rok 2030: Prognozowanie maszynowe zostanie uregulowane
Kiedy rolnik w Quebecu zdecyduje, czy inseminować krowę, czy nie, może to zależeć od tego, czy spodziewane jest mleko, które będzie produkowane codziennie przez rok, dwa lata, a może trzy lata później. Gospodarstwa posiadają systemy zarządzania, które przechwytują dane i środowisko gospodarstwa. Jestem zaangażowany w projekty, które dodają warstwę danych genetycznych i genomicznych, aby pomóc w prognozowaniu — aby pomóc decydentom, takim jak rolnik, mieć pełny obraz, gdy myślą o zastąpieniu krów, poprawie zarządzania, odporności i dobrostanu zwierząt.
Wraz z pojawieniem się uczenia maszynowego i sztucznej inteligencji pokazujemy, że możemy pomóc w rozwiązywaniu problemów w sposób, którego nie robiono wcześniej. Dostosowujemy go do sektora mleczarskiego, gdzie pokazaliśmy, że niektóre decyzje można przewidzieć z 18-miesięcznym wyprzedzeniem, po prostu dzięki prognozowaniu opartemu na integracji tych danych genomowych. Myślę, że w niektórych obszarach, takich jak zdrowie roślin, osiągnęliśmy tylko 10% lub 20% naszej zdolności do ulepszania niektórych modeli.
Do tej pory sztuczna inteligencja i uczenie maszynowe były kojarzone z wiedzą domenową. To nie jest sprawa ogólnopubliczna. Ale za mniej niż 10 lat będą musiały zostać uregulowane. Myślę, że przed naukowcami takimi jak ja stoi wiele wyzwań, aby uczynić te techniki bardziej zrozumiałymi, przejrzystymi i bardziej możliwymi do audytu.