211service.com
De professionals die de toekomst voorspellen voor de kost
Inez Fung
Hoogleraar atmosferische wetenschappen, University of California, Berkeley
Leah Fasten
Voorspelling voor 2030: We zullen de wereld verlichten … veilig
Dit verhaal maakte deel uit van ons nummer van maart 2020
- Zie de rest van het nummer
- Abonneren
Ik heb gesproken met mensen die informatie over klimaatmodellen willen, maar ze weten niet precies wat ze me vragen. Dus ik zeg tegen hen: stel dat ik je vertel dat er een gebeurtenis zal plaatsvinden met een kans van 60% in 2030. Zal dat goed genoeg voor je zijn, of heb je 70% nodig? Of heb je 90% nodig? Welk informatieniveau wilt u uit projecties van klimaatmodellen halen om bruikbaar te zijn?
Ik sloot me aan bij de groep van Jim Hansen in 1979, en ik was daar voor alle vroege klimaatprojecties. En zoals we er toen over dachten, die dingen zijn er allemaal nog helemaal. Wat we sindsdien hebben gedaan, is rijkdom en hogere resolutie toevoegen, maar de projecties zijn in feite gebaseerd op dezelfde soort gegevens, fysica en observaties.
Toch zijn er dingen die we missen. Een echte neerslagtheorie hebben we bijvoorbeeld nog niet. Maar er gebeuren daar twee spannende dingen. Een daarvan is de beschikbaarheid van satellietwaarnemingen: kijken naar de cloud wordt nog steeds niet volledig benut. De andere is dat er vroeger geen manier was om regionale neerslagpatronen door de geschiedenis heen te krijgen - en nu wel. Wetenschappers hebben deze grotten in China en elders gevonden, en ze gaan naar binnen, zoeken naar een mooie kleine kamer met stalagmieten, hakken ze in stukken en sturen ze terug naar het laboratorium, waar ze fantastische uranium-thorium-dateringen doen en zuurstofisotopen meten in calciumcarbonaat. Van daaruit kunnen ze een verslag van historische regenval interpreteren. De gegevens zijn ongelooflijk: we hebben meer dan een half miljoen jaar aan neerslagregistraties in heel Azië.
Ik zie ons de fossiele brandstoffen niet verminderen tegen 2030. Ik zie ons niet de CO2 of atmosferische methaan verminderen. Ongeveer 1,2 miljard mensen in de wereld hebben momenteel geen toegang tot elektriciteit, dus ik kijk uit naar de groei van alternatieve energie naar delen van de wereld die geen elektriciteit hebben. Dat is belangrijk, want het gaat om onderwijs, gezondheid, alles wat met een westerse levensstandaard te maken heeft. Dat is waar ik mijn hoop op vestig.
Dvora Fotografie
Anne Lise Kjaer
Futurist, Kjaer Global, Londen
Voorspelling voor 2030: Volwassenen zullen nieuwe ideeën leren begrijpen
Als kind wilde ik archeoloog worden, en dat is op een bepaalde manier gelukt. Archeologen vinden artefacten uit het verleden en proberen de punten met elkaar te verbinden en een verhaal te vertellen over hoe het verleden had kunnen zijn. Wij doen hetzelfde als futuristen; we gebruiken artefacten uit het heden en proberen de punten in de toekomst te verbinden tot interessante verhalen.
Als het om de toekomst gaat, heb je twee keuzes. Je kunt achterover leunen en denken dat het mij niet overkomt en een hele grote muur bouwen om al het slechte nieuws buiten te houden. Of je kunt windmolens bouwen en de wind van verandering benutten.
Veel bedrijven komen naar ons en denken dat ze over de toekomst willen horen, maar eigenlijk is het gewoon een oefening voor hen - laten we dat vakje aanvinken, een rapport maken en het op onze boekenplank zetten.
Daarom hebben we een kleine test voor ze. We doen interviews, we stellen hen vragen; dan gebruiken we een model, een Trend Atlas genaamd, dat rekening houdt met zowel de wetenschappelijke dimensies van de samenleving als de sociale. We kijken naar de trends in politiek, economie, maatschappelijke drijfveren, technologie, milieu, wetgeving - hoe past dat bij wat we nu weten? We kijken misschien 10, 20 jaar terug: kunnen we een beetje een trend zien en proberen die in de toekomst te plaatsen?
Wat is het volgende? Het is duidelijk dat we met technologie veel beter kunnen opvoeden dan in het verleden. Maar het is een enorme kans om de ouders van de volgende generatie op te voeden, niet alleen de kinderen. Kinderen leren over duurzaamheidsdoelen, maar hoe zit het met de mensen die onze wereld regeren?
Hoffelijkheidsfoto
Philip Tetlock
Co-auteur van Superforecasting en professor, University of Pennsylvania
Voorspelling voor 2030: we worden beter in onzeker zijn
Bij het Good Judgment Project proberen we de nauwkeurigheid van commentatoren en experts te volgen in domeinen waarin het gewoonlijk onmogelijk wordt geacht om de nauwkeurigheid te volgen. Je voert een groot debat en splitst het op in een reeks toetsbare kortetermijnindicatoren. Je zou dus een debat kunnen voeren over de vraag of sterke vormen van kunstmatige intelligentie in 2035, 2040, 2050 grote ontwrichtingen gaan veroorzaken op de witteboorden arbeidsmarkten. Op dat abstractieniveau wordt al veel gediscussieerd. — maar vanuit ons oogpunt is het nuttiger om het op te splitsen en te zeggen: als we op een langetermijntraject naar een dergelijk resultaat zouden zijn, wat voor soort dingen zouden we dan op korte termijn verwachten? Dus we begonnen hiermee in 2015 en in 2016 versloeg AlphaGo mensen in Go. Maar toen gebeurde er niets: Ubers zonder bestuurder haalden eind 2017 in geen enkele grote Amerikaanse stad mensen op voor tarieven. Watson versloeg de beste oncologen ter wereld niet in een toernooi voor medische diagnose. Dus ik denk niet dat we snel op weg zijn naar de singulariteit, om het zo te zeggen.
Prognoses hebben het potentieel om zichzelf waar te maken of zichzelf teniet te doen — Y2K was aantoonbaar een zichzelf ontkennende voorspelling. Maar het is mogelijk om dat in een voorspellingstoernooi in te bouwen door voorwaardelijke voorspellingsvragen te stellen: dat wil zeggen, hoe waarschijnlijk is het dat X afhankelijk is van het feit dat we dit of dat doen?
Wat ik de afgelopen 10 jaar heb gezien, en het is een trend waarvan ik verwacht dat deze zich zal voortzetten, is een toenemende openheid voor het kwantificeren van onzekerheid. Ik denk dat er een aarzelende, aarzelende, maar cumulatieve beweging is in de richting van denken over onzekerheid, en meer gedetailleerde en genuanceerde manieren die het mogelijk maken om de score bij te houden.
Ryan Young
Keith Chen
Universitair hoofddocent economie, UCLA
Voorspelling voor 2030: we zullen meer – en minder – privé zijn
Toen ik aan het algoritme voor piekprijzen van Uber werkte, was het probleem dat het moest oplossen erg grof: we probeerden chauffeurs te overtuigen om extra tijd te besteden wanneer ze het meest nodig waren. Er waren voorspelbare tijden - zoals nieuwjaar - waarin we wisten dat we veel mensen nodig zouden hebben. Het dieperliggende probleem was dat dit een systeem was met in principe geen controle. Het is alsof je het weer probeert te voorspellen. Ja, de hoeveelheid weergegevens die we vandaag verzamelen - temperatuur, windsnelheid, luchtdruk, vochtigheidsgegevens - is 10.000 keer groter dan wat we 20 jaar geleden verzamelden. Maar we kunnen het weer nog steeds niet 10.000 keer verder weg voorspellen dan toen. En sociale bewegingen - zelfs in een zeer specifieke omgeving, zoals waar rijders op een bepaald moment heen willen - zijn zo mogelijk nog chaotischer dan weersystemen.
Tegenwoordig lijkt wat ik doe een beetje meer op forensische economie. We kijken wat we kunnen vinden en voorspellen uit de bewegingspatronen van mensen. We gebruiken alleen eenvoudige mobiele-telefoongegevens zoals geolocatie, maar zelfs alleen al uit bewegingspatronen kunnen we opvallende informatie afleiden en een psychologische dimensie van je opbouwen. Wat me beangstigt, is dat ik het gevoel heb dat ik veel slechtere gegevens heb dan Facebook. Dus wat kunnen ze begrijpen met hun veel betere informatie?
Ik denk dat het volgende grote sociale omslagpunt is dat mensen echt om hun privacy gaan geven. Het zal zijn als roken in een restaurant: het zal snel veranderen van verontwaardiging veroorzaken wanneer mensen het willen stoppen tot plotseling verontwaardiging veroorzaken als iemand het doet. Maar tegelijkertijd zal tegen 2030 bijna elke Chinese burger volledig gegenotypeerd zijn. Ik weet niet goed hoe ik die twee met elkaar moet verzoenen.
Sarah Deragon
Annalee Newitz
Science fiction en non-fictie auteur, San Francisco
Voorspelling voor 2030: we gaan veel meer bescheiden technologie zien
Elk tijdperk heeft zijn eigen ideeën over de toekomst. Ga terug naar de jaren vijftig en je zult zien dat mensen fantaseerden over vliegende auto's. Nu stellen we ons fietsen voor en groene steden waar auto's beperkt zijn, of waar auto's autonoom zijn. We hebben nu echt andere prioriteiten, dus dat werkt door in ons begrip van de toekomst.
Sciencefictionschrijvers kunnen eigenlijk geen voorspellingen doen. Ik beschouw science fiction als bezig zijn met vragen die in het heden worden gesteld. Maar wat we kunnen doen, zelfs als we niet kunnen zeggen wat er zeker gaat gebeuren, is een reeks scenario's aanbieden die zijn gebaseerd op de geschiedenis.
Er zijn veel mythes over de toekomst waarvan mensen denken dat ze nu uitkomen. Ik denk dat veel mensen - niet alleen sciencefictionschrijvers maar ook mensen die aan machine learning werken - geloven dat we relatief binnenkort een menselijk equivalent brein zullen hebben dat draait op een soort computersubstraat. Dit is evenzeer een weerspiegeling van onze tijd als wat er werkelijk zou kunnen gebeuren.
Het lijkt onwaarschijnlijk dat een mens-equivalent brein in een computer om de hoek is. Maar we leven in een tijdperk waarin velen van ons het gevoel hebben dat we al in computers leven, voor werk en al het andere. Dus we hebben natuurlijk fantasieën over het digitaliseren van onze hersenen en het plaatsen van ons bewustzijn in een machine of een robot.
Ik zeg niet dat die dingen nooit zouden kunnen gebeuren. Maar ze lijken veel nauwer verbonden met onze fantasieën in het heden dan met een echte technische doorbraak aan de horizon.
We zullen veel betere technologieën moeten ontwikkelen rond rampenbestrijding en noodhulp, omdat we veel meer overstromingen, branden, stormen zullen zien. Dus ik denk dat er nog veel meer werk zal zijn aan echt bescheiden technologieën waarmee je je gemeenschap van het netwerk kunt halen of je eigen water kunt zuiveren. En ik bedoel niet op een griezelige survivalistische manier; Ik bedoel gewoon op een manier waarop we nu leven.
Noah Willman
Finale Doshi-Velezo
Universitair hoofddocent informatica, Harvard
Voorspelling voor 2030: mens en machine zullen samen beslissingen nemen
In mijn laboratorium proberen we vragen te beantwoorden zoals Hoe zou deze patiënt op dit antidepressivum kunnen reageren? of Hoe zou deze patiënt op deze vasopressor kunnen reageren? Dus we krijgen zoveel mogelijk gegevens van het ziekenhuis. Voor een psychiatrische patiënt hebben we misschien alles over hun hartziekte, nierziekte, kanker; voor een aanbeveling voor bloeddrukbeheer voor de IC hebben we al hun zuurstofinformatie, hun lactaat en meer.
Een deel ervan kan relevant zijn om voorspellingen te doen over hun ziekten, andere niet, en we weten niet welke welke is. Daarom vragen we om de grote dataset met alles.
Er is ongeveer tien jaar werk geweest om modellen voor machinaal leren zonder toezicht te krijgen om deze voorspellingen beter te doen, en geen enkele werkte echt goed. De doorbraak voor ons was toen we ontdekten dat alle eerdere benaderingen om dit te doen op precies dezelfde manier verkeerd waren. Toen we dit allemaal hadden ontward, kwamen we op een andere methode.
We realiseerden ons ook dat zelfs als ons vermogen om te voorspellen welk medicijn gaat werken niet altijd zo goed is, we betrouwbaarder kunnen voorspellen welke medicijnen niet zullen werken, wat bijna net zo waardevol is.
Ik ben enthousiast over het combineren van mensen en AI om voorspellingen te doen. Stel dat je AI een foutenpercentage van 70% heeft en dat je mens ook maar 70% van de tijd gelijk heeft. De twee combineren is moeilijk, maar als je hun successen kunt samensmelten, dan zou je het beter moeten kunnen dan elk van beide systemen. Hoe dat te doen is een heel moeilijke, spannende vraag.
Al deze voorspellende modellen werden gebouwd en ingezet en mensen dachten niet genoeg na over mogelijke vooroordelen. Ik heb goede hoop dat we een toekomst zullen hebben waarin deze mens-machine-teams beslissingen nemen die beter zijn dan alleen.
Guillaume Simoneau
Abdoulaye Banire Diallo
Professor, directeur van het bio-informaticalab, Universiteit van Quebec in Montreal
Voorspelling voor 2030: Machinegebaseerde prognoses worden gereguleerd
Wanneer een boer in Quebec beslist om een koe al dan niet te insemineren, kan dat afhangen van de verwachting van melk die elke dag geproduceerd zal worden gedurende een jaar, twee jaar, misschien drie jaar daarna. Boerderijen hebben managementsystemen die de gegevens en de omgeving van de boerderij vastleggen. Ik ben betrokken bij projecten die een laag genetische en genomische gegevens toevoegen om prognoses te helpen maken — om besluitvormers zoals de boer te helpen een volledig beeld te krijgen wanneer ze nadenken over het vervangen van koeien, het verbeteren van management, veerkracht en dierenwelzijn.
Met de opkomst van machine learning en AI laten we zien dat we problemen kunnen helpen aanpakken op een manier die nog niet eerder is gedaan. We passen het aan aan de zuivelsector, waar we hebben aangetoond dat sommige beslissingen 18 maanden van tevoren kunnen worden verwacht door gewoon te voorspellen op basis van de integratie van deze genomische gegevens. Ik denk dat we op sommige gebieden, zoals de gezondheid van planten, slechts 10% of 20% van ons vermogen hebben bereikt om bepaalde modellen te verbeteren.
Tot nu toe werden AI en machine learning geassocieerd met domeinexpertise. Het is niet iets voor het publiek. Maar over minder dan 10 jaar zullen ze moeten worden gereguleerd. Ik denk dat er veel uitdagingen zijn voor wetenschappers zoals ik om te proberen die technieken beter verklaarbaar, transparanter en beter controleerbaar te maken.