Последние месяцы учёные Южного федерального университета работают в условиях постоянных информационных запросов со стороны медиа о новых прогнозах распространения коронавирусной инфекции. Во многом это продиктовано интересами общества: жители России ищут словосочетание "статистика коронавируса" в среднем в два раза чаще, чем британцы, и в четыре раза чаще, чем беспечные американцы. Не всегда прогнозы ученых сбываются на 100%, а иногда расходятся с действительностью, но ученые не расстраиваются, а стараются провести новый более точный анализ, с использованием дополнительных инструментов.

"Каждый прогноз учёных ЮФУ основан на конкретных математических методах, содержит методику и инструменты исследования. Более того, мы открыто публикуем датасеты в репозитории Figshare под свободными лицензиями Creative Commons, CC-BY и CC0 (публичное достояние), так что каждый может экспериментально проверить математическую модель на адекватность. Взаимодействуя с прессой, мы еще 30 апреля сместили акцент с публикации новых моделей на важность самоизоляции, разработав индекс самоизоляции университета. Соотнося его значение с очень низким уровнем самоизоляции в донском регионе, и еще раз подчеркиваем роль социальной ответственности и гражданской позиции в соблюдении режима самоизоляции. В ряде российских регионов улучшающаяся статистика по коронавирусу уже позволяет смягчать ограничения. Москва уверенно выходит в зеленую зону, как и прогнозировал наш выпускник Владимир Ляшев", - отметил руководитель офиса образовательных программ по машинному обучению и большим данным Алексей Целых.

По уточненному прогнозу учёного-практика Ростовская область выйдет в зеленую зону после 24 июня.

Наблюдение за крахом сравнительно простых моделей прогнозирования привело учёных к интересным выводам. Они отмечают необычное поведение самих данных, которые вдруг меняют закон распределения, но тоже не случайно (эффект джокера). Мир вошел в эпоху колоссального усложнения и стал качественно иным. По аналогии со сложными климатическими моделями, прогнозирование эпидемий следует вести в рамках так называемой постнормальной науки (‎postnormal science), где «факты неточны, цифры под сомнением, ставки высоки, а решения неотложны». Принимать решения приходится в условиях радикальной неопределенности. Новые вызовы вскрыли несостоятельность рациональной парадигмы принятия решений единоличным или коллективным ЛПР (лицо, принимающее решение – прим. пресс-службы) на основе анализа и рекомендаций экспертов, которые, в свою очередь, рассчитали вероятности с помощью признанных достоверными моделей. Эпидемия коронавируса только ускорила смену парадигмы.

Именно в месяцы пандемии получила развитие динамическая причинно-следственная модель коронавируса, являющаяся расширением известной эпидемиологической модели SEIR. Принципиальное отличие модели нейробиолога Карла Фристона от SEIR и многих других эпидемиологических моделей в том, что она выявляет причинно-следственные связи, а не просто подгоняет кривые графиков под имеющиеся данные. (С авторской концепией развития модели SEIR учёные ЮФУ участвуют в конкурсе Российского фонда фундаментальных исследований на лучшие проекты фундаментальных научных исследований по теме «Фундаментальные проблемы возникновения и распространения коронавирусных эпидемий» – прим. пресс-службы.)

Концептульно схожие механизмы нахождения эквилибриума причинно-следственных связей разрабатывает научный коллектив учёных ЮФУ, развивающий вычислительную теорию сценарного планирования в условиях неопределенности и неполноты информации на когнитивных графовых моделях. Результаты учёных опубликованы уже в 6 статьях международных научных журналах первого и второго квартилей – невиданный научный успех для области компьютерных наук. Интеграция вычислительных методов и когнитивной архитектуры приближает науку к созданию Сильного Искусственного Интеллекта (Artificial General Intelligence) – системы искусственного интеллекта, обладающей когнитивными способностями человека.