Математици показаха, че за някои динамични системи дори най-модерните ИИ алгоритми не са в състояние да правят прогнози с вероятност над 50 процента. Същевременно те са предложили нов подход, който помага за оценка на надеждността на такива прогнози.
Математици откриха клас проблеми, при които ИИ алгоритмите не могат да предскажат развитието на събитията по-точно от случайните предположения. Резултатите от изследването са публикувани в списание Nature Communications.
Това са така наречените динамични системи – процеси, които постоянно се променят във времето и по-специално климатичните явления, флуидните потоци или физическите трептения. Изследователите са установили, че за някои от тях точността на прогнозите е ограничена не от качеството или количеството на данните за обучение, а от свойствата на самата система.
Според авторите, дори универсалните алгоритми за машинно обучение не могат да гарантират, че ще се научат точно да предсказват поведението на такива системи. За вероятностните модели максималната точност в редица случаи не надвишава 50%, което съответства на случаен избор.
В същото време учените са предложили метод, който позволява не само да се изгради прогноза, но и да се оцени възможната грешка. Той е тестван върху модели с периодични трептения, хаотични флуидни потоци и прогнозиране на промени в арктическия морски лед.
Анализирайки данни от 1979 до 2021 г., новият алгоритъм разкри скрити модели в топенето на леда и предсказа границата на морския лед няколко месеца напред по-точно от съществуващите подходи. Освен това моделът е обучен на обикновен лаптоп, докато сравнимата система за дълбоко обучение изисква повече от един ден изчисления на графичния процесор.