В современной жизни многое зависит от прогнозов. Нас интересует, какая погода будет на следующих выходных, насколько вырастут цены из-за инфляции, каких изменений можно ждать в политике и пр. Хотя существующие компьютерные модели позволяют предсказывать многое довольно точно, ни один прогноз не застрахован от ошибок из-за самых разных непредусмотренных факторов. По мнению Эрика Хорвица, главы Группы по адаптивным системам и взаимодействию (Adaptive Systems and Interaction group) при отделении Microsoft Research компании Microsoft, влияние их можно минимизировать при помощи технологии, называемой им «моделирование неожиданностей» (surprise modeling).Хорвиц подчеркивает, что это не является своего рода компьютерным «магическим кристаллом», глядя в который можно предсказывать колебания рынков или теракты. По его мнению, методики компьютерного анализа могут быть приложимы к прошлым неожиданностям для моделирования неожиданностей будущих. Результаты такого моделирования могут быть очень полезны для целого ряда отраслей – от здравоохранения до обороны и государственной безопасности, политики и финансов. Пока это – отдаленная перспектива. Но уже сейчас существует приложение, обрабатывающее таким образом данные для прогнозов в одной отдельно взятой области. Речь идет о SmartPhlow, сервисе прогнозирования дорожного трафика, которое группа Хорвица разрабатывает с 2003 года.

SmartPhlow рассчитано как на обычные, так и на мобильные компьютеры. В настоящее время оно моделирует дорожное движение в Сиэтле, используя городскую карту, на которой загруженные трассы показаны красным, а относительно свободные – зеленым. Программа предупреждает пользователя о дорожных сюрпризах вроде образования неожиданных пробок или, наоборот, неожиданного рассасывания пробок там, где это можно меньше всего ожидать. По мнению Хорвица подобная программа должна во-первых обладать работоспособной моделью интересующих нас неожиданностей, а во-вторых, способностью прогнозировать их для того, чтобы пользователи могли что-либо предпринять. Группа Хорвица начала с собирания данных городского трафика за несколько лет и добавила к этому информацию обо всем, что может на него влиять – проишствиях, погоде, праздниках, спортивных событиях и даже визитах высокопоставленных особ. Затем каждая дорога в городе была разбита на секции, а сутки – на пятнадцатиминутные отрезки и распределение трафика по ним было смоделировано для каждой из возможных ситуаций. Такое распределение дало хорошую модель того, что опытный водитель может ожидать на дорогах города. После этого исследователи изучили все отклонения от модели, собрав базу данных о неожиданных флуктуациях трафика.

Исследователи изучили полчаса, предшествовавшие каждой из статистически аномальных ситуаций, с помощью алгоритмов для поиска самых незначительных особенностей трафика, которые моли бы помочь предсказать неожиданную ситуацию. Расчеты основаны на моделировании условной вероятности по формуле Байеса – вероятности одного события при условии, что другое событие уже произошло – что позволяет исследователям индивидуально оценить релевантность значимых событий.

Сегодня уже более пяти тысяч сотрудников Microsoft уже используют эту программу на своих смартофонах. Многие из них настроили программу по своим собственным предпочтениям. Исследователи убеждены, что хотя алгоритмы, используемые в программе SmartPhlow, специфичны именно для моделирования трафика, сам подход в целом может быть применен и для ряда других задач. Эрик Хорвиц недавно беседовал с учеными, исследующими политику, о моделировании неожиданных конфликтов. Он также уверен, что может его подход поможет предсказать неожиданные скачки рынков недвижимости, Промышленного индекса Доу-Джонса или валютных курсов. То же касается и тенденций в бизнесе: «последние несколько десятков лет компании приходили в упадок из-за того, что они не предвидели развитие технологий, которые серьезно меняли конкурентный ландшафт» - считает он. Впрочем, разработка подобных приложений – дело отдаленного будущего, - признает Хорвиц. «Это – долговременная перспектива. Но она важна так как лежит в основе того, что мы называем мудростью: пониманием, чего мы не знаем».