В тропическом лесу сухой сезон сменяется сезоном дождей, и вместе с погодой меняются правила жизни: одни животные уходят в спячку, другие, наоборот, выходят из укрытий. Так и в сложных системах — от климата до экономики — связи между процессами не являются чем-то застывшим. Они зависят от скрытого «режима», который сам переключается время от времени. Новая работа предлагает способ учиться обоим вещам одновременно, не имея никакой разметки.
Метод работает так: сначала он предполагает, в каком режиме находится система в каждый момент, а потом проверяет, насколько хорошо эти режимы объясняют данные. Он попеременно уточняет две вещи: разбиение времени на режимы и причинные связи внутри каждого режима. На реальных данных Эль-Ниньо и индийских осадков метод без внешней информации выделил два сезона: летний режим с сильной отрицательной связью (коэффициент −0.4) и зимний режим почти без связи. Это значит, что тёплое течение в Тихом океане действительно подавляет дожди в Индии летом, но зимой его влияние исчезает. Алгоритм сам, без подсказок, разделил год на два сезона, соответствующих летнему муссону и зиме, хотя ему дали только временные ряды Эль-Ниньо и осадков.
Возвращаясь к образу тропического леса: теперь у нас есть инструмент, который не просто фиксирует, что в сезон дождей одни связи усиливаются, а другие ослабевают, но и сам находит эти сезоны по данным. Работа показывает, что можно одновременно учить скрытые режимы и причинные структуры, не требуя априорного знания о режимах. Это расширяет применимость причинного анализа на широкий класс нестационарных систем — от климата до экономики и нейробиологии.
В климатическом примере метод сам, без подсказок, разделил год на два сезона, соответствующих летнему муссону и зиме, хотя ему дали только временные ряды Эль-Ниньо и осадков.
Идея скрытых режимов, управляющих поведением системы, напоминает «Пересадочную станцию» Клиффорда Саймака, где разные состояния реальности сменяют друг друга, а наблюдатель видит лишь их следствия.