Die Entwicklungen
chaotischer Systeme lassen sich nur sehr überschaubar vorhersagen - ab einem gewissen Komplexitätsgrad wird jede Prognose zur
Spekulation. Natalie Wolchover
meldet auf diesem Gebiet nun Fortschritte: An der Universität Maryland haben
Edward Ott und sein Team einen Algorithmus entwickelt, der auf reichhaltiger Datenbasis relativ erfolgreich Aussagen über Ergebnisse der
Kuramoto-Sivashinsky-Gleichung trifft. Mit dieser Gleichung lassen sich etwa Turbulenzen und anderes "
raumzeitliches Chaos" beschreiben. Der Clou dabei: "Der Algorithmus selbst hat keinen Dunst von dieser Gleichung. Er erhält
lediglich Daten über die sich voranschreitende Lösung der Gleichung. Dies stärkt den Aspekt des maschinellen Lernens. Denn in vielen Fällen ist die Gleichung, die ein chaotisches System beschreibt, nicht bekannt. Ott und seine Resultate legen nun nahe, dass man die Formel gar nicht kennen muss -
schon die Daten reichen aus. 'Diese Forschungsergebnisse stellen in Aussicht, dass wir eines Tages das Wetter mittels maschineller Lern-Algorithmen vorhersagen könnten und nicht dank ausgeklügelter Klimamodelle', sagt Holger Kantz vom Max-Planck-Institut in Dresden. Neben der Wettervorhersage könnte maschinelles Lernen einigen Experten zufolge auch dabei nützlich dabei sein,
Herzrhythmusstörungen auf Anzeichen eines bevorstehenden Infarkts hin zu beobachten und neuronale Feuerwerke im Gehirn im Hinblick auf
Neuronen-Spikes. Auch wird darüber spekuliert, dass sie dabei behilflich sein könnten, Riesenwellen, die Schiffe in Gefahr bringen, vorherzusagen und womöglich sogar
Erdbeben."