Makine öğrenmesi uzun vadeli zaman serisi verilerini işleyemez.

Daha doğrusu, günümüzün ML sistemleri zaman serisi verilerindeki fraktal yapıyı çıkarımlayamaz.

Otonom araçlar, AlphaStar (StarCraft II yapay zekası), RNN gibi şeyler zaman serisi verilerini işlemiyor mu? => Evet, işlemiyor.

• Otonom araçlar

Otonom sürüş, ML ile prosedürel programlamanın hibritini kullanır.

ML, yaya tanıma gibi düşük seviyeli öğeleri işler; prosedürel (istatistiksel olmayan) programlama ise navigasyon gibi öğeleri işler. Bu, Uber'in kendi kendine kaza yapan aracıyla ilgili rapor üzerinden açıklanıyor.

• AlphaStar

Uber örneğine göre biraz daha karmaşık bir düzeyde iki sinir ağı kullanır. Biri kazanma olasılığını tahmin eder, diğeri hangi hareketin yapılacağını belirler. Bu ikisi, zaman serisi problemini iki ayrı stateless probleme dönüştürür.

APM handikapı olmasa elbette AlphaStar kazanırdı; ancak handikap olsa bile taktiksel olarak AlphaStar üstün gelse de, üst düzey oyuncular stratejik anlayışta önde oldukları için insan kazanabilir. Sonsuz hesaplama gücü olmadığı sürece, karmaşık strateji hesaplamalarında bir duvara toslarsınız. İnsan beyni bu şekilde sınırlı değildir.

Yazının yazarına göre yapay zekanın birinci yasası:

"Fraktal olarak yapılandırılmamış bir algoritma er ya da geç bir hesaplama duvarına çarpar; tersi de geçerlidir."

Sonuç bölümünde, sinir ağlarını fraktal bir biçimde kurmak için Feed Forward Neural Network (FFNN) ve Connectome-Specific Harmonic Waves (CSHW) ele alınıyor.