Forskere vil træne kunstig intelligens til at tackle sommerfugleeffekten


MASKINLÆRING Kaos kan forudsiges med træning
Af Jens Ramskov
ram@ing.dk
Når det gælder fysiske systemer, formoder vi normalt, at små ændringer i begyndelsesbetingelserne kun giver små ændringer i slutbetingelserne. En fodbold, der sparkes direkte mod mål, kan måske nok blive en forbier, men bolden ender helt bestemt ikke ude ved hjørneflaget, hvis sparket kun er minimalt fra at være optimalt. Det kræver en rigtig skævert.
- emailE-mail
- linkKopier link

Fortsæt din læsning
- Sortér efter chevron_right
- Trådet debat
Imponerende nok, men det må dog trods alt afhænge af mængden af data om startbetingelserne. Det er jo nok ikke så nemt at følge alle sommerfugle hele tiden :)
Hvis der matematisk kan bevises, at vejret afhænger af en sommerfugls basken med vingerne - så har jeg svært ved at forstå, hvordan at kunstig intelligens løser problemet. Kan den gætte sommerfugle, hvor de er, og om de basker med vinger?
Det er håbet at den kunstige intelligent kan lære at kompensere for for de mange manglende data, for enhver form for for bevægelse kan ifølge kaosteorien være med til at ændre vejret.
Måske computeren kan lære at se et vist mønster, som den kan bruge til at kompensere for de manglende data og derved nå frem til en bedre forudsigelse.
Om det så lykkedes må tiden selvfølgelig vise, men man skal måske ikke afvise at det kan lade sig gøre.
Hvis der matematisk kan bevises, at vejret afhænger af en sommerfugls basken med vingerne - så har jeg svært ved at forstå, hvordan at kunstig intelligens løser problemet. Kan den gætte sommerfugle, hvor de er, og om de basker med vinger?
Enten eksisterer sommerfugl effekten - eller også eksisterer den ikke.
Imponerende nok, men det må dog trods alt afhænge af mængden af data om startbetingelserne. Det er jo nok ikke så nemt at følge alle sommerfugle hele tiden :)