Переводчик, который научился исправлять собственные оговорки, работает точнее. В мире прогнозирования шумных процессов эту роль берёт на себя новый метод: резервуарный компьютер, который на каждом шаге добавляет к своему прогнозу случайную поправку. Раньше такие системы быстро сбивались, потому что шум копил ошибки, как переводчик, который не замечает своих оговорок, и к концу речи смысл терялся. Теперь ошибка моделируется отдельно и превращается в инструмент.

Резервуарный компьютер — это сеть с фиксированными внутренними связями, которая учится только на выходе. Он хорошо предсказывал хаос без шума, но стоило добавить случайность, как прогнозы расходились с реальностью уже через несколько шагов. Авторы метода RC-NF пошли иначе: сначала обучили резервуар на множестве траекторий, а затем с помощью нормализующего потока оценили, какую ошибку он делает на каждом шаге. Нормализующий поток — это генеративная модель, которая превращает простое распределение в сложное, и здесь она ловит распределение ошибки.

Проверка на семи системах показала, что метод воспроизводит не только среднее поведение, но и редкие события. Для процесса с двумя ямами, где система иногда перескакивает из одной устойчивой точки в другую, RC-NF воспроизвёл скорость переходов с ошибкой менее 0.001. Для стохастической системы Лоренца расстояние Вассерштейна, мера различия между распределениями, составило 0.0266 против 0.0479 у чистого резервуарного компьютера. Медиана максимального показателя Ляпунова, который характеризует хаотичность, оказалась 2.5622 при истинном значении 2.5557.

Переводчик, который слышит свои оговорки и исправляет их на лету, сохраняет смысл долгой речи. Так и RC-NF удерживает статистику процесса на длинных интервалах, открывая путь к прогнозам климатических колебаний, биологических ритмов и финансовых рядов без знания их уравнений.