Pomaga im w tym nowy rodzaj uczenia maszynowego, o czym możemy się przeczytać z publikacji dostępnej w Chaos: An Interdisciplinary Journal of Nonlinear Science. Autorzy badań wykorzystują nowy i wysoce wydajny algorytm, który w połączeniu z tzw. reservoir computingiem może uczyć się przestrzenno-czasowych układów chaotycznych w znacznie krótszym czasie niż z użyciem algorytmów uczenia maszynowego.
Czytaj też: Procesory kwantowe ulepszone ponad 100 razy. Australijczycy wyznaczają nowe standardy
Jak na razie rzeczone podejście zostało sprawdzone w odniesieniu do atmosferycznego modelu pogody. Algorytm okazał się dokładniejszy od dotychczas stosowanych i potrzebuje od 400 do 1250 razy mniej danych, aby wygenerować skuteczniejsze prognozy. Badacze użyli laptopa z systemem Windows 10, aby dokonać przewidywań w ułamku sekundy – około 240 000 razy szybciej niż w przypadku konwencjonalnych algorytmów uczenia maszynowego. Na tym korzyści się nie kończą, bo mowa też o niewielkim zapotrzebowaniu obliczeniowym nowej metody, dzięki czemu opisywane rozwiązanie może być wprowadzone nawet na stosunkowo mało wydajnych urządzeniach.
Dzięki nowej metodzie naukowcy mogą przewidywać przyszłość skuteczniej i w prostszy sposób
Jest to bardzo ekscytujące, ponieważ uważamy, że jest to znaczny postęp w zakresie wydajności przetwarzania danych i dokładności przewidywania w dziedzinie uczenia maszynowego. Nauka przewidywania tych niezwykle chaotycznych układów jest wielkim wyzwaniem fizyki, a ich zrozumienie może utorować drogę do nowych odkryć naukowych i przełomów.wyjaśnia Wendson De Sa Barbosa, główny autor badań
Czytaj też: Sztuka sztucznej inteligencji dla każdego. Dążąca do tego firma zebrała 101 milionów dolarów
Jak dodaje naukowiec, mając wystarczająco dużo danych i mocy obliczeniowej, możliwe jest przewidywanie przyszłości za pomocą modeli uczenia maszynowego na temat dowolnego złożonego układu w świecie rzeczywistym. Nawet komórki serca wykazują chaotyczne wzory przestrzenne, gdy oscylują z częstotliwością wyższą niż bicie serca. Oznacza to, iż dotychczasowe dokonania mogłyby posłużyć do zapewnienia wglądu w kontrolowanie i interpretowanie chorób serca oraz innych problemów.
