Профессионалы, Которые Зарабатывают На Жизнь Предсказанием Будущего

Я разговаривал с людьми, которым нужна информация о климатической модели, но они не совсем уверены, о чем меня просят. Поэтому я говорю им: «Предположим, я скажу вам, что в 2030 году произойдет какое-то событие с вероятностью 60%. Будет ли этого достаточно для вас, или вам понадобится 70%? Или вам нужно 90%? Какой уровень информации вы хотите получить из прогнозов климатических моделей, чтобы быть полезным?»

Я присоединился к группе Джима Хансена в 1979 году и участвовал во всех ранних климатических прогнозах. И то, как мы думали об этом тогда, все эти вещи все еще полностью там. То, что мы сделали с тех пор, — это добавили богатство и более высокое разрешение, но прогнозы действительно основаны на тех же данных, физике и наблюдениях.

Тем не менее, есть вещи, которые мы упускаем. Например, у нас до сих пор нет реальной теории осадков. Но там происходят две захватывающие вещи. Одним из них является доступность спутниковых наблюдений: наблюдение за облаком все еще не используется полностью. Другая заключается в том, что раньше не было способа получить региональные модели осадков на протяжении всей истории — а теперь есть. Ученые нашли эти пещеры в Китае и в других местах, и они заходят внутрь, ищут симпатичную маленькую камеру со сталагмитами, а затем разрезают их и отправляют обратно в лабораторию, где они делают фантастическое датирование урана и тория и измеряют изотопы кислорода в карбонате кальция. Оттуда они могут интерпретировать данные об исторических осадках. Данные невероятны: у нас есть записи осадков за более чем полмиллиона лет по всей Азии.

Я не вижу, чтобы мы сократили потребление ископаемого топлива к 2030 году. Я не вижу, чтобы мы сокращали выбросы CO2 или атмосферного метана. Около 1,2 миллиарда человек в мире сейчас не имеют доступа к электричеству, поэтому я с нетерпением жду роста альтернативной энергетики в тех частях мира, где нет электричества. Это важно, потому что это образование, здравоохранение, все, что связано с западным уровнем жизни. Вот на что я возлагаю свои надежды.

Анна Лиза Кьер

Футурист, Kjaer Global, Лондон

Прогноз на 2030 год: Взрослые научатся усваивать новые идеи

В детстве я хотел стать археологом, и в каком-то смысле мне это удалось. Археологи находят артефакты прошлого и пытаются соединить точки и рассказать историю о том, каким могло быть прошлое. Мы делаем то же самое, что и футуристы; мы используем артефакты из настоящего и пытаемся соединить точки в интересные повествования в будущем.

Когда дело доходит до будущего, у вас есть два варианта. Вы можете сидеть сложа руки и думать: «Это происходит не со мной», и построить огромную стену, чтобы отгородиться от всех плохих новостей. Или вы можете построить ветряные мельницы и использовать ветер перемен.

Многие компании приходят к нам и думают, что хотят услышать о будущем, но на самом деле это просто упражнение для них — давайте просто поставим галочку в этом поле, сделаем отчет и поместим его на нашу книжную полку.

Поэтому у нас есть для них небольшой тест. Мы проводим интервью, мы задаем им вопросы; затем мы используем модель, называемую Атласом тенденций, которая учитывает как научные аспекты общества, так и социальные. Мы смотрим на тенденции в политике, экономике, социальных движущих силах, технологиях, окружающей среде, законодательстве — как это согласуется с тем, что мы знаем в настоящее время? Мы оглядываемся назад, может быть, на 10-20 лет: можем ли мы увидеть небольшую тенденцию и попытаться перенести ее в будущее?

Что дальше? Очевидно, что с помощью технологий мы можем обучать намного лучше, чем в прошлом. Но это огромная возможность дать образование родителям следующего поколения, а не только детям. Дети узнают о целях устойчивого развития, но как насчет людей, которые на самом деле правят нашим миром?

Филип Тетлок

Соавтор суперпрогнозирования и профессор Пенсильванского университета

Прогноз на 2030 год: Мы научимся лучше справляться с неопределенностью

В проекте Good Judgment мы пытаемся отслеживать точность комментаторов и экспертов в областях, в которых обычно считается невозможным отслеживать точность. Вы проводите большую дискуссию и разбиваете ее на ряд проверяемых краткосрочных показателей. Таким образом, вы могли бы обсудить, приведут ли сильные формы искусственного интеллекта к серьезным изменениям на рынках труда белых воротничков к 2035, 2040, 2050 годам. На этом уровне абстракции уже происходит много дискуссий, но, с нашей точки зрения, более полезно разбить их и сказать: если бы мы шли по долгосрочной траектории к такому результату, какие вещи мы ожидали бы наблюдать в краткосрочной перспективе? Итак, мы начали это в 2015 году, а в 2016 году AlphaGo победила людей в Go. Но тогда не произошло ничего другого: беспилотные Ubers не забирали людей за проезд ни в одном крупном американском городе в конце 2017 года. Уотсон не победил лучших онкологов мира в турнире по медицинской диагностике. Так что я не думаю, что мы находимся на быстром пути к сингулярности, скажем так.

Прогнозы могут быть либо самореализующимися, либо самоотрицающими — Y2K, возможно, был самоотрицательным прогнозом. Но это можно встроить в турнир по прогнозированию, задавая вопросы условного прогнозирования: т.Е. Насколько вероятно, что X зависит от того, делаем мы то или это?

То, что я наблюдал за последние 10 лет, и я ожидаю, что эта тенденция сохранится, — это растущая открытость для количественной оценки неопределенности. Я думаю, что есть неохотное, нерешительное, но кумулятивное движение к размышлениям о неопределенности и более детальным и тонким способам, которые позволяют вести счет.

Кит Чен

Доцент кафедры экономики, Калифорнийский университет в Лос-Анджелесе

Прогноз на 2030 год: Мы будем более— и менее—частными

Когда я работал над алгоритмом повышения цен Uber, проблема, для решения которой он был создан, была очень грубой: мы пытались убедить водителей тратить дополнительное время, когда они больше всего нужны. Были предсказуемые времена — например, Новый год, — когда мы знали, что нам понадобится много людей. Более глубокая проблема заключалась в том, что это была система, в которой практически отсутствовал контроль. Это все равно что пытаться предсказать погоду. Да, объем данных о погоде, которые мы собираем сегодня — температура, скорость ветра, барометрическое давление, данные о влажности — в 10 000 раз больше, чем мы собирали 20 лет назад. Но мы все еще не можем предсказать погоду в 10 000 раз дальше, чем мы могли тогда. А социальные движения — даже в очень специфических условиях, например, когда гонщики хотят отправиться в любой данный момент времени, — во всяком случае, еще более хаотичны, чем погодные системы.

В наши дни то, чем я занимаюсь, немного больше похоже на судебную экономику. Мы смотрим, что мы можем найти и предсказать по моделям движения людей. Мы просто используем простые данные сотового телефона, такие как геолокация, но даже по характеру движения мы можем получить важную информацию и построить ваше психологическое измерение. Что меня пугает, так это то, что я чувствую, что у меня гораздо худшие данные, чем у Facebook. Так что же они способны понять с помощью своей гораздо лучшей информации?

Я думаю, что следующий важный социальный переломный момент — это то, что люди действительно начинают по-настоящему заботиться о своей частной жизни. Это будет похоже на курение в ресторане: оно быстро перейдет от возмущения, когда люди захотят его прекратить, к внезапному возмущению, если кто-то это сделает. Но в то же время к 2030 году почти каждый гражданин Китая будет полностью генотипирован. Я не совсем понимаю, как примирить эти два понятия.

Эннели Ньюиц

Автор научной фантастики и документальной литературы, Сан-Франциско

Прогноз на 2030 год: Мы увидим гораздо более скромные технологии

У каждой эпохи есть свои представления о будущем. Вернитесь в 1950-е годы, и вы увидите, что люди фантазировали о летающих автомобилях. Теперь мы представляем себе велосипеды и зеленые города, где количество автомобилей ограничено или где автомобили автономны. Сейчас у нас действительно разные приоритеты, так что это помогает нам понять будущее.

Писатели-фантасты на самом деле не могут делать предсказания. Я думаю, что научная фантастика связана с вопросами, которые поднимаются в настоящем. Но что мы можем сделать, даже если мы не можем сказать, что определенно произойдет, так это предложить ряд сценариев, основанных на истории.

Существует множество мифов о будущем, в которые люди верят, что они сбудутся прямо сейчас. Я думаю, что многие люди — не только писатели—фантасты, но и люди, которые работают над машинным обучением, — верят, что относительно скоро у нас будет мозг, эквивалентный человеческому, работающий на какой-то вычислительной основе. Это в такой же степени отражает наше время, как и то, что может произойти на самом деле.

Кажется маловероятным, что мозг, эквивалентный человеческому, в компьютере находится прямо за углом. Но мы живем в эпоху, когда многие из нас чувствуют, что мы уже живем внутри компьютеров, для работы и всего остального. Поэтому, конечно, у нас есть фантазии о том, чтобы оцифровать наш мозг и поместить наше сознание в машину или робота.

Я не говорю, что такие вещи никогда не могли произойти. Но они кажутся гораздо более близкими к нашим фантазиям в настоящем, чем к реальному техническому прорыву на горизонте.

Нам придется разработать гораздо более совершенные технологии для оказания помощи в случае стихийных бедствий и реагирования на чрезвычайные ситуации, потому что мы увидим гораздо больше наводнений, пожаров, штормов. Поэтому я думаю, что предстоит еще много работы над действительно скромными технологиями, которые позволят вам отключить ваше сообщество от сети или очистить вашу собственную воду. И я не имею в виду жуткий способ выживания; я имею в виду просто то, как мы живем сейчас.

Финал Доши-Велес

Адъюнкт-профессор компьютерных наук, Гарвард

Прогноз на 2030 год: Люди и машины будут принимать решения вместе

В моей лаборатории мы пытаемся ответить на такие вопросы, как «Как этот пациент может отреагировать на этот антидепрессант?» или «Как этот пациент может отреагировать на этот вазопрессор?» Поэтому мы получаем из больницы как можно больше данных. Для психиатрического пациента у нас может быть все об их болезнях сердца, почек, раке; для рекомендации по управлению артериальным давлением для отделения интенсивной терапии у нас есть вся информация об их кислороде, их лактате и многом другом.

Некоторые из них могут иметь отношение к прогнозированию их болезней, некоторые — нет, и мы не знаем, что есть что. Вот почему мы запрашиваем большой набор данных со всем необходимым.

Около десяти лет велась работа по созданию моделей машинного обучения без присмотра, которые бы лучше справлялись с этими прогнозами, и ни одна из них не работала по-настоящему хорошо. Прорывом для нас стало то, что мы обнаружили, что все предыдущие подходы к этому были ошибочными точно так же. Как только мы распутали все это, мы придумали другой метод.

Мы также поняли, что даже если наша способность предсказывать, какой препарат будет работать, не всегда так велика, мы можем более надежно предсказать, какие лекарства не будут работать, что почти так же ценно.

Я в восторге от объединения людей и искусственного интеллекта для составления прогнозов. Допустим, у вашего ИИ частота ошибок составляет 70%, и ваш человек также прав только в 70% случаев. Объединить эти две системы сложно, но если вы сможете объединить их успехи, то сможете добиться большего успеха, чем любая из них в отдельности. Как это сделать — действительно сложный, волнующий вопрос.

Все эти прогностические модели были построены и развернуты, и люди недостаточно задумывались о потенциальных предубеждениях. Я надеюсь, что у нас будет будущее, в котором эти команды людей и машин будут принимать решения, которые будут лучше, чем в одиночку.

Абдулай Банире Диалло

Профессор, директор лаборатории биоинформатики, Университет Квебека в Монреале

Прогноз на 2030 год: Машинное прогнозирование будет регулироваться

Когда фермер в Квебеке решает, осеменять корову или нет, это может зависеть от ожидаемого количества молока, которое будет производиться каждый день в течение одного года, двух лет, может быть, трех лет после этого. Фермы имеют системы управления, которые фиксируют данные и окружающую среду фермы. Я участвую в проектах, которые добавляют слой генетических и геномных данных для содействия прогнозированию — чтобы помочь лицам, принимающим решения, таким как фермер, иметь полную картину, когда они думают о замене коров, улучшении управления, устойчивости и благополучии животных.

С появлением машинного обучения и искусственного интеллекта мы показываем, что можем помочь решать проблемы так, как раньше никто не делал. Мы адаптируем его к молочному сектору, где мы показали, что некоторые решения можно предвидеть за 18 месяцев вперед, просто прогнозируя на основе интеграции этих геномных данных. Я думаю, что в некоторых областях, таких как здоровье растений, мы достигли только 10% или 20% наших возможностей по улучшению определенных моделей.

До сих пор искусственный интеллект и машинное обучение ассоциировались с экспертными знаниями в предметной области. Это не является достоянием широкой общественности. Но менее чем через 10 лет их необходимо будет регулировать. Я думаю, что перед такими учеными, как я, стоит множество задач, чтобы попытаться сделать эти методы более объяснимыми, более прозрачными и более доступными для проверки.

https://www.technologyreview.com/2020/02/26/905703/professionals-who-predict-the-future-for-a-living-forecasting-futurists/

Ссылка на основную публикацию