Устойчивая система ведёт себя подобно мячу в чаше: стоит его толкнуть, и он скатывается обратно на дно. Разброс возможных траекторий — энтропия, мера неопределённости — с течением времени сжимается, но скорость этого сжатия зависит от крутизны стенок. У сложных систем воображаемая «чаша» неоднородна: её склоны имеют участки разной крутизны. Прежние методы оценивали время возврата по самому пологому месту, что было излишней перестраховкой и приводило к завышенным прогнозам. Новый подход вычисляет среднюю крутизну именно в тех областях, где система реально оказывается, что даёт более точную оценку.
Исследователи продемонстрировали: если заменить простой линейный регулятор на нелинейный (аналог «умной» подвески, которая подстраивается под условия), случайные толчки гасятся эффективнее. Хотя максимальная жёсткость системы остаётся прежней, изменённая форма чаши активнее возвращает систему к равновесию. Это открытие улучшает алгоритмы машинного обучения, где критически важно быстрее сходиться к искомым данным.
Как игрушечный волчок, который сначала шатается всё сильнее, а потом внезапно затихает, ошибка моделирования нарастает до пика и резко падает — и момент этого пика можно рассчитать заранее, зная средний уклон.
В рассказах Айзека Азимова роботы подчиняются законам, гарантирующим их предсказуемость, — подобно тому, как теория сжатия обещает, что система вернётся в норму после любого сбоя.