Ми часто чуємо, що більше даних робить ШІ розумнішим. Але нове дослідження Кембриджського університету та Університету Каліфорнії в Санта-Барбарі показує, що навіть безмежні дані не можуть гарантувати надійні прогнози для певних хаотичних систем. Робота, опублікована в Nature Communications 14 липня 2026 року, демонструє, що деякі проблеми мають жорсткі математичні межі — тобто жоден обсяг навчальних даних не зможе підвищити точність алгоритму вище рівня підкидання монетки (50/50).
Дослідження: оператори Купмана та змагальні системи
Під керівництвом д-ра Метью Колбрука команда використала теорію операторів Купмана, щоб проаналізувати, чому машинне навчання дає збій на хаотичних системах (де крихітні зміни вхідних даних спричиняють величезні розбіжності). Вони розробили змагальні математичні системи для стрес-тестування алгоритмів ШІ, визначивши точно, де і чому прогнози стають неспроможними. Ключові висновки:
- Неможливість перевірки достатності даних: алгоритми ШІ не мають внутрішнього механізму, щоб знати, чи побачили вони достатньо даних для стабільного прогнозу.
- Приховане заплутування патернів: критичні відстежувальні координати залишаються математично заплутаними, що робить їх неможливими для розділення стандартними нейромережами.
- Проблема частоти хаосу: у хаотичних системах оператор Купмана породжує перекривні частоти замість чистих змінних, зберігаючи короткочасну точність, але спричиняючи системний колапс у довгострокових прогнозах.
Ці математичні нестабільності також пояснюють, чому великі мовні моделі, як-от ChatGPT, галюцинують: незначні варіації в запитах спричиняють посилення помилок, які відхиляються від реальності, зберігаючи короткочасну узгодженість.
Чому це важливо для вашого мозку
Це дослідження кидає виклик мантрі технологічної індустрії, що «більше даних дорівнює кращому навчанню». Для вашого власного пізнання воно підкреслює, що деякі проблеми потребують більшого, ніж просто сирі дані — вам потрібна правильна структура, щоб відокремити сигнал від шуму. Мозок, як і ШІ, може піддатися перенавчанню (запам'ятовувати деталі без розуміння) або стати перевантаженим складністю. Визнання того, коли проблема має фундаментальні обмеження, може заощадити розумові зусилля та запобігти розчаруванню під час навчання чи вирішення проблем.
Що ви можете зробити
Щоб уникнути когнітивного перенавчання, урізноманітнюйте джерела навчання та свідомо перевіряйте своє розуміння. Стикаючись зі складною проблемою, розбивайте її на менші частини та перевіряйте на приховані припущення. Новий алгоритм дослідників із вбудованими межами похибки (який перевершив комерційний ШІ на даних про арктичний лід, працюючи на ноутбуці) показує, що суворі, прозорі методи перемагають накопичення даних грубою силою.
Джерело: Neuroscience News
Цікавитесь власним мозком? Пройдіть наш безкоштовний адаптивний IQ-тест або спробуйте 306 рівнів тренування мозку.
