MACHINE LEARNING’S ‘KEMAMPUAN’ AMAZING ‘UNTUK MEMPREDIKSI CHAOS

MACHINE LEARNING’S – SETENGAH SEBUAH Abad yang lalu, para pionir teori chaos menemukan bahwa “efek kupu-kupu” membuat prediksi jangka panjang menjadi tidak mungkin. domino Qiu Qiu Bahkan gangguan terkecil ke sistem yang kompleks (seperti cuaca, ekonomi atau hanya hal lain) dapat menyentuh rentetan peristiwa yang mengarah ke masa depan yang sangat berbeda secara dramatis. Tidak dapat menentukan status sistem ini dengan cukup tepat untuk memprediksi bagaimana mereka akan bermain keluar, kita hidup di bawah tabir ketidakpastian.

Cerita asli dicetak ulang dengan izin dari Quanta Magazine, sebuah penerbitan independen editorial dari Simons Foundation yang misinya adalah untuk meningkatkan pemahaman publik tentang sains dengan mencakup perkembangan penelitian dan tren dalam matematika dan ilmu fisik dan kehidupan.

Tapi sekarang robot ada di sini untuk membantu.

Dalam serangkaian hasil yang dilaporkan dalam jurnal Physical Review Letters and Chaos, para ilmuwan telah menggunakan pembelajaran mesin — teknik komputasional yang sama di balik keberhasilan terbaru dalam kecerdasan buatan — untuk memprediksi evolusi masa depan sistem kacau ke cakrawala yang memukau. Pendekatan ini dipuji oleh para ahli luar sebagai terobosan dan kemungkinan untuk menemukan aplikasi yang luas.

“Saya merasa sangat menakjubkan seberapa jauh ke depan mereka memprediksi” evolusi sistem yang kacau, kata Herbert Jaeger, seorang profesor ilmu komputasi di Jacobs University di Bremen, Jerman.

Penemuan ini berasal dari ahli teori kekacauan veteran Edward Ott dan empat kolaborator di Universitas Maryland. Mereka menggunakan algoritme pembelajaran mesin yang disebut komputasi reservoir untuk “mempelajari” dinamika sistem chaul arketipe yang disebut persamaan Kuramoto-Sivashinsky. Solusi yang berkembang untuk persamaan ini berperilaku seperti bagian depan api, berkedip saat bergerak maju melalui medium buku mimpi yang mudah terbakar. Persamaan ini juga menggambarkan gelombang yang hanyut dalam plasma dan fenomena lainnya, dan berfungsi sebagai “test bed untuk mempelajari turbulensi dan kekacauan spatiotemporal,” kata Jaideep Pathak, mahasiswa pascasarjana Ott dan penulis utama makalah baru.

Jaideep Pathak, Michelle Girvan, Brian Hunt, dan Edward Ott dari University of Maryland, yang (bersama dengan Zhixin Lu, sekarang dari University of Pennsylvania) telah menunjukkan bahwa pembelajaran mesin adalah alat yang ampuh untuk memprediksi kekacauan.FAYE LEVINE / UNIVERSITY OF MARYLAND

Setelah melatih dirinya sendiri pada data dari evolusi masa lalu persamaan Kuramoto-Sivashinsky, komputer reservoir peneliti dapat memprediksi dengan saksama bagaimana sistem flamel akan terus berevolusi menjadi delapan “waktu Lyapunov” ke masa depan, delapan kali lebih jauh dari sebelumnya. metode diperbolehkan, berbicara secara longgar. Waktu Lyapunov merepresentasikan berapa lama waktu yang diperlukan untuk dua keadaan yang hampir identik dari sistem kacau menjadi berlainan secara eksponensial. Dengan demikian, biasanya menetapkan cakrawala prediktabilitas.

“Ini benar-benar sangat baik,” Holger Kantz, seorang ahli teori kekacauan di Institut Max Planck untuk Fisika Sistem Kompleks di Dresden, Jerman, mengatakan tentang prediksi delapan-Lyapunov-waktu. “Teknik machine-learning hampir sama baiknya dengan mengetahui kebenaran, jadi untuk mengatakan.”

Algoritma tidak tahu apa-apa tentang buku mimpi persamaan Kuramoto-Sivashinsky itu sendiri; hanya melihat data yang direkam tentang solusi yang berkembang untuk persamaan. Ini membuat pendekatan pembelajaran mesin menjadi kuat; dalam banyak kasus, persamaan yang menggambarkan sistem chaos tidak diketahui, melumpuhkan upaya para dinamisis untuk memodelkan dan memprediksi mereka. Ott dan hasil perusahaan menunjukkan Anda tidak memerlukan persamaan — hanya data. “Makalah ini menunjukkan bahwa suatu hari kita mungkin bisa memprediksi cuaca dengan algoritma pembelajaran mesin dan bukan oleh model canggih dari atmosfer,” kata Kantz.

Selain ramalan cuaca, para ahli mengatakan teknik mesin-belajar bisa membantu dengan memantau aritmia jantung untuk tanda-tanda serangan jantung yang akan datang dan memantau pola penembakan neuronal di otak untuk tanda-tanda lonjakan neuron. Lebih spekulatif, mungkin juga membantu memprediksi gelombang jahat, yang membahayakan kapal, dan bahkan mungkin gempa bumi.

Ott terutama berharap alat-alat baru akan terbukti berguna untuk memberikan peringatan dini badai matahari, seperti yang meletus di 35.000 mil dari permukaan matahari pada tahun 1859. Ledakan magnet itu menciptakan aurora borealis terlihat di seluruh Bumi dan meniup beberapa sistem telegraf, sementara menghasilkan tegangan yang cukup untuk memungkinkan jalur lain untuk beroperasi dengan kekuatan mereka dimatikan. Jika pasaran togel badai matahari seperti itu menghantam planet ini secara tak terduga hari ini, para ahli mengatakan itu akan sangat merusak infrastruktur elektronik Bumi. “Jika Anda tahu badai akan datang, Anda bisa mematikan daya dan menyalakannya kembali nanti,” kata Ott.

Leave a Reply

Your email address will not be published. Required fields are marked *