Forecast Ergodicity: Prediction Modeling Using Algorithmic Information Theory

要約

タイトル：アルゴリズム情報理論を用いた予測モデリングにおける予測エルゴード性

要約：
– 機械知能の能力は、過去のデータから未来を予測する可能性によって限定される。
– ディープラーニングツールを使って、利用可能なデータ内の構造を発見し、将来の予測を行うことができる。
– そうした構造は、まず最初に利用可能なデータに存在している必要があり、また未来にも適用可能である必要がある。
– 予測エルゴード性は、過去のデータから未来のイベントを予測する能力の測定である。
– この限界を、利用可能なデータのアルゴリズム的複雑性でモデル化する。

要約(オリジナル)

The capabilities of machine intelligence are bounded by the potential of data from the past to forecast the future. Deep learning tools are used to find structures in the available data to make predictions about the future. Such structures have to be present in the available data in the first place and they have to be applicable in the future. Forecast ergodicity is a measure of the ability to forecast future events from data in the past. We model this bound by the algorithmic complexity of the available data.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI