Արհեստական բանականությունը (ԱԲ) հեղափոխություն է առաջացրել եղանակի կարճաժամկետ կանխատեսումներում՝ ապահովելով բարձր ճշգրտություն և էներգաարդյունավետություն՝ համեմատած ավանդական մոդելների հետ: Սակայն Չիկագոյի համալսարանի, Նյու Յորքի համալսարանի և Սանտա Կրուսի Կալիֆորնիայի համալսարանի գիտնականների հետազոտությունը, որը հրապարակվել է Proceedings of the National Academy of Sciences ամսագրում, բացահայտել է լուրջ թերություն. նեյրոնային ցանցերը չեն կարող կանխատեսել ծայրահեղ եղանակային երևույթներ, ինչպիսիք են 5-րդ կարգի փոթորիկները, երաշտները կամ ջրհեղեղները, եթե նման իրադարձություններ բացակայում են նրանց ուսուցողական տվյալներում:
Եղանակի կանխատեսման համար օգտագործվող նեյրոնային ցանցերը վարժեցվում են պատմական տվյալների վրա՝ բացահայտելով օրինաչափություններ և կանխատեսելով ապագա պայմանները: Սակայն նրանց հնարավորությունները սահմանափակվում են անցյալում տեսածով: Եթե ուսուցողական տվյալներում բացակայում են հազվադեպ աղետների մասին տեղեկություններ, ԱԲ-ն ի վիճակի չէ կանխատեսել դրանց առաջացումը կամ մասշտաբը:
Սա ստուգելու համար գիտնականները վարժեցրել են մոդել՝ առանց 2-րդ կարգից բարձր փոթորիկների մասին տվյալների, և խնդրել են կանխատեսել 5-րդ կարգի փոթորիկ տանող պայմանները: Արդյունքը մտահոգիչ էր. մոդելը ամեն անգամ թերագնահատում էր իրադարձությունը՝ կանխատեսելով առավելագույնը 2-րդ կարգի փոթորիկ: «Այն գիտեր, որ փոթորիկ է մոտենում, բայց չէր կարող կանխատեսել դրա իրական ուժը»,- պարզաբանել է հետազոտության համահեղինակ Յունցյան Սունը:
Նման սխալները կարող են աղետալի հետևանքներ ունենալ, ներառյալ մարդկային զոհեր և ենթակառուցվածքների ավերումներ, եթե իշխանությունները թերագնահատեն մոտեցող աղետի մասշտաբը:
Հավելենք՝ գիտնականները առաջարկում են համատեղել ԱԲ-ն ավանդական ֆիզիկական մոդելների հետ՝ ճշգրտությունը բարձրացնելու համար: Հեռանկարային մեթոդներից մեկը ակտիվ ուսուցումն է: Մեկ այլ մոտեցում է ֆիզիկական օրենքների ինտեգրումը ԱԲ ալգորիթմներում: Սա մոդելները կդարձնի ավելի դիմացկուն անհայտ սցենարների նկատմամբ՝ բարելավելով աղետների կանխատեսման նրանց կարողությունը:
