23 دسامبر 2024 -نوشته جان وودوارد، گفتگو-اعتبار: استودیو cottonbro از Pexels
یک تعریف از علم وجود دارد که اساساً یک فرآیند تکراری برای ساخت مدل‌هایی با قدرت توضیحی بیشتر است.یک مدل فقط یک تقریب یا ساده‌سازی از نحوه عملکرد ما در جهان است. در گذشته، این مدل ها می توانستند بسیار ساده باشند، در واقع به سادگی یک فرمول ریاضی. اما با گذشت زمان، آنها تکامل یافته‌اند و دانشمندان شبیه‌سازی‌های پیچیده‌تری از جهان با در دسترس قرار گرفتن داده‌های جدید ساخته‌اند.
یک مدل کامپیوتری از آب و هوای زمین می تواند به ما نشان دهد که با ادامه انتشار گازهای گلخانه ای در جو، دما افزایش می یابد. برای مثال، مدل‌ها می‌توانند چگونگی گسترش بیماری‌های عفونی در یک جمعیت را پیش‌بینی کنند.
مدل‌های کامپیوتری را می‌توان رد کرد اگر شواهد تجربی از آنها پشتیبانی نکنند. بنابراین نوعی مسابقه تسلیحاتی برای رقابتی نگه داشتن مدل ها با ظاهر شدن داده های جدید وجود دارد. و انقلابی که در زمینه هوش مصنوعی (AI) رخ می دهد می تواند این ابزارهای حیاتی را حتی بهتر کند.
پیش بینی آب و هوا و آب و هوا را در نظر بگیرید. مدل‌های عددی مورد استفاده برای پیش‌بینی آب و هوا، از نظر میزان قدرت محاسباتی مورد نیاز برای اجرای آنها، بزرگ، پیچیده و خواستار هستند.
آنها همچنین قادر به یادگیری از الگوهای آب و هوای گذشته نیستند. با این حال، روش‌های مبتنی بر هوش مصنوعی، از جمله زیرمجموعه‌ای از هوش مصنوعی به نام یادگیری ماشینی، پتانسیل زیادی برای بهبود آنچه در حال حاضر داریم نشان داده‌اند.
یادگیری ماشینی شامل ایجاد الگوریتم‌هایی (مجموعه‌ای از قوانین ریاضی برای انجام وظایف خاص) است که می‌توانند از داده‌ها یاد بگیرند و این درس‌ها را برای داده‌های دیده نشده به کار ببرند.اما تا همین اواخر، مدل‌های آب‌وهوا که از تکنیک‌های یادگیری ماشینی استفاده می‌کردند، برای آنچه پیش‌بینی گروهی نامیده می‌شود، مناسب تلقی نمی‌شدند، مجموعه‌ای از پیش‌بینی‌ها که گستره شرایط آب و هوایی احتمالی آینده را نشان می‌دهد. بر خلاف پیش‌بینی‌های کوتاه‌مدت، آنها برای شبیه‌سازی آب و هوا و آب و هوا در بلندمدت مفید نبودند.
با این حال، مطالعه اخیر منتشر شده در Nature نشان داد که یک مدل یادگیری ماشینی به نام NeuralGCM پیش‌بینی‌های مجموعه‌ای را تولید می‌کند که به خوبی مدل‌های پیشرو بودند. همچنین می تواند پیش بینی های بلندمدت واقع بینانه ای از تغییرات آب و هوا ایجاد کند.
مدل‌های یادگیری ماشینی باید با ارائه داده‌های زیادی به آنها آموزش داده شوند، که از آنها یاد می‌گیرند و در کاری که انجام می‌دهند بهبود می‌یابند. فرآیند آموزش پرهزینه است و نیاز به قدرت زیادی از کامپیوتر دارد.
با این حال، پس از آموزش یک مدل، استفاده از آن برای پیش‌بینی نسبتاً سریع و ارزان است. نتایج نشان می‌دهد که هوش مصنوعی می‌تواند شبیه‌سازی‌های فیزیکی در مقیاس بزرگ را که برای درک و پیش‌بینی سیستم آب و هوا ضروری هستند، افزایش دهد.
همانطور که آماردان بریتانیایی جورج ای.پی. باکس گفت: “همه مدل ها اشتباه هستند اما برخی از مدل ها مفید هستند.” همچنین باید به یاد داشته باشیم که همه اندازه گیری ها اشتباه است. همیشه مقداری نویز در داده های ما وجود دارد و بازتابی کاملاً دقیق از وضعیت جهان نیست.
اما مدل‌هایی که از یادگیری ماشینی استفاده می‌کنند توسط «داده‌های بزرگ» فعال می‌شوند. برای آموزش این مدل‌ها می‌توان از ذخیره‌های وسیع اطلاعات و اندازه‌گیری‌ها استفاده کرد که به آنها قدرت پیش‌بینی بیش‌تری می‌دهد. به طور کلی داده های بزرگ با سه v مشخص می شوند: حجم، سرعت و تنوع.
داده‌ها اکنون در حجم‌های بزرگ‌تر، با سرعت بیشتر و با افزایش تنوع به دست می‌آیند. این تا حدی به دلیل روشی است که می‌توان دستگاه‌های الکترونیکی مختلف را از طریق آنچه «اینترنت اشیا» نامیده می‌شود، متصل کرد.
بهبود درک ما از چگونگی تکامل سیستم آب و هوای زمین در دهه های آینده برای اطلاع رسانی تلاش ها برای مقابله با انتشارات گلخانه ای حیاتی خواهد بود. همچنین به ما کمک خواهد کرد تا با اثرات گرمایش جهانی سازگار شویم.
مدل‌هایی با استفاده از یادگیری ماشین و رویکرد دیگری مبتنی بر هوش مصنوعی به نام یادگیری عمیق برای شناسایی و ردیابی COVID-19 استفاده شده‌اند. محققان مدل‌های یادگیری ماشینی را توسعه داده‌اند که عوامل بالینی، ژنتیکی و سبک زندگی را برای پیش‌بینی خطر ابتلا به بیماری‌های قلبی عروقی در یک فرد ترکیب می‌کند.
دانشمندان همچنین از تکنیک هوش مصنوعی یادگیری تقویتی عمیق برای توسعه ابزارهایی استفاده کرده اند که به آنها اجازه می دهد پلاسمای داغ لازم برای تولید واکنش های همجوشی هسته ای را کنترل کنند.در گذشته، هوش مصنوعی یک میدان نسبتاً باریک با کاربردهای بسیار خاص، مانند بازی شطرنج بود. با طلوع هوش مصنوعی مولد، کاربردهای آن بسیار گسترده تر شده است، با این فناوری که می تواند محتوای جدیدی مانند متن، تصاویر و ویدیو ایجاد کند.
این ما را به هدف هوش مصنوعی عمومی نزدیک‌تر می‌کند، جایی که این فناوری قادر به انجام هر کاری می‌شود که یک انسان می‌تواند انجام دهد. ساخت مدل‌های مبتنی بر کامپیوتر از جهان با کمک هوش مصنوعی، نقطه عطف مهم دیگری است.
دنیای علم شروع به شناخت قدرت هوش مصنوعی کرده است، همانطور که در دو جایزه نوبل امسال برای کارهای مرتبط با هوش مصنوعی دیده می شود. شاید فاصله زیادی با اهدای جایزه نوبل به یک هوش مصنوعی یا EV نداشته باشیم -در موقعیتی که یک ماشین تصمیم می‌گیرد که جوایز را به چه کسی اهدا کند.
