在过去，我们已经看到了摩尔定律所预测的信息处理能力的恒定加速率，但现在看来，这种指数增长率似乎是有限的。新的发展依赖于人工智能和机器学习，但相关的过程基本上不为人所知和理解。很多机器学习方法，比如非常流行的深度学习，都非常成功，但却像黑匣子一样工作，这意味着我们不知道到底发生了什么。想了解人工智能是如何工作的，并更好地理解其中的联系。德国美因茨大学(JGU)和意大利斯维扎拉大学(USI)研究员一起开发了一种低成本、高可靠性的复杂计算技术。这种方法能够在标准PC机上执行以前需要超级计算机的任务。除了天气预报之外，这项研究还发现了许多可能的应用，例如在生物信息学、图像分析和医学诊断中解决分类问题。
基于乐高原理，复杂的系统被分解成离散的状态或模式。只使用少数的模式，就可以分析大量数据，并预测它们未来的行为。例如，使用可伸缩概率近似算法，我们可以基于数据对欧洲未来一天的地表温度进行预测，预测误差只有0.75摄氏度，错误率是气象部门通常使用的计算机系统的40%，同时也便宜得多。
可伸缩概率近似是基于数学的概念。该方法可应用于需要自动处理大量数据的各种情况，例如在生物学中，我们可以了解细胞的分类特征。另一个潜在的应用领域是神经科学，脑电信号的自动分析可以成为评估大脑状态的基础。它甚至可以用于乳腺癌的诊断，因为乳腺摄影图像可以被分析以进行乳腺癌预测。此外，可伸缩概率近似算法还可以应用于许多其他领域，从洛伦兹模型到水中氨基酸的分子动力学。与目前最先进的超级计算机相比，这个过程更容易、更便宜，结果也更好。
相关论文链接：https://advances.sciencemag.org/content/6/5/eaaw0961
（郭亚茹 编译；於维樱 审校）
