Prédire l'avenir d'un système chaotique, comme la trajectoire tourbillonnante d'une tempête ou les fluctuations du niveau de la pollution de l'air, ne donne que rarement un chiffre unique. Un prévisionniste se voit généralement demander un ensemble entier de possibilités : où le système se trouvera dans une heure, s'il franchira un seuil dangereux, ou dans quelle catégorie large de temps il est entré. Chacune de ces questions porte sa propre incertitude, et y répondre simultanément est un défi classique en apprentissage automatique. Traditionnellement, les chercheurs ont traité ces questions comme des tâches distinctes qui doivent être équilibrées les unes par rapport aux autres, souvent en ajustant manuellement l'importance de chaque question jusqu'à ce que l'ordinateur produise un résultat satisfaisant. Cet acte d'équilibrage est difficile car les questions sont mesurées en unités différentes ; une petite erreur dans une lecture de température n'est pas la même chose qu'une petite erreur dans une probabilité. Si les poids ne sont pas définis parfaitement, le système pourrait ignorer un avertissement critique pour se concentrer sur un détail trivial, ou il pourrait gaspiller des efforts à essayer d'être précis sur quelque chose qui est intrinsèquement imprévisible.

Un chercheur a proposé une nouvelle façon de gérer ce problème, une méthode qui élimine totalement le besoin d'un équilibrage manuel. Au lieu de forcer l'ordinateur à choisir entre des objectifs concurrents, il a conçu un système où chaque question conserve sa propre échelle naturelle et sa propre façon de mesurer l'incertitude. La méthode, qu'il appelle SCROLL, permet à l'ordinateur d'apprendre l'importance de chaque tâche automatiquement tout en apprenant les modèles des données. Il a testé cette approche sur des modèles mathématiques de systèmes chaotiques et sur des données réelles de qualité de l'air. Il a constaté que la nouvelle méthode pouvait prédire non seulement l'état futur du système, mais aussi le degré d'incertitude de cette prédiction, avec un niveau de précision qui correspondait au meilleur résultat théorique possible. Crucialement, elle l'a fait sans le réglage coûteux par essais et erreurs qui frappe habituellement de tels systèmes, et elle est restée fiable même lorsque les données changeaient radicalement d'échelle.

Le cœur du problème réside dans la manière dont les machines apprennent à prédire. Lorsqu'un ordinateur tente de prévoir un système stochastique, ou à fluctuations aléatoires, il construit une compréhension partagée des données — un tronc commun — qu'il utilise ensuite pour répondre à des questions spécifiques. Dans l'ancienne méthode, l'ordinateur essayait de minimiser les erreurs pour chaque question à la fois en les additionnant en un score unique. Pour que cela fonctionne, les chercheurs devaient décider quel poids accorder à chaque question. L'erreur de prédiction d'une température compte-t-elle plus que l'erreur d'une alerte de tempête ? Ils trouvaient généralement la réponse en faisant tourner l'ordinateur des milliers de fois avec différents réglages, un processus lent et coûteux. De plus, cette méthode présentait un défaut caché : si les questions étaient mesurées en unités différentes, l'ordinateur ne pouvait pas facilement s'ajuster à cette différence sans une intervention humaine constante.

La nouvelle approche change les règles du jeu. Au lieu d'additionner les erreurs, le chercheur a laissé chaque question parler sa propre langue. Il a donné à chaque tâche son propre modèle spécifique pour observer le monde et sa propre mesure interne de confiance. Ces modèles individuels sont ensuite connectés au tronc commun, mais ils ne sont pas forcés de faire des compromis. Le système apprend à acheminer l'information librement, permettant à l'incertitude de chaque tâche de s'ajuster elle-même en fonction des conditions spécifiques des données. Cela signifie que l'ordinateur peut apprendre qu'un certain type de temps est intrinsèquement plus imprévisible qu'un autre, et il élargira son intervalle de confiance en conséquence, sans qu'on lui dise de le faire. La méthode absorbe efficacement les différences d'échelle dans le processus d'apprentissage lui-même, transformant un équilibrage complexe en un calcul unique et fluide.

Pour voir si cette idée fonctionnait en pratique, le chercheur l'a testée sur trois scénarios différents. Le premier était un système mathématique bien compris appelé processus d'Ornstein-Uhlenbeck. Dans ce cas, le comportement réel du système était connu exactement, permettant au chercheur de vérifier ses résultats par rapport à une réponse parfaite. Il a constaté que la nouvelle méthode récupérait le motif mathématique exact de l'incertitude, prouvant qu'elle pouvait apprendre le comportement correct lorsque la réponse est connue. Le deuxième test était un système plus chaotique, une variation des célèbres équations de Lorenz, où l'incertitude change selon l'état actuel du système. Ici, la nouvelle méthode a réussi à suivre comment l'imprévisibilité du système croissait et diminuait, alors que les anciennes méthodes qui n'utilisaient pas ce routage flexible échouaient à capturer ces changements. Le troisième test impliquait des données réelles : des mesures horaires de particules fines à Pékin. Sur ces données réelles, la nouvelle méthode a produit les prévisions les plus précises tant pour les niveaux de pollution que pour la probabilité de franchir des seuurs dangereux, surpassant les autres méthodes qui nécessitaient un réglage manuel extensif.

L'une des découvertes les plus frappantes fut la manière dont la méthode gérait l'échelle des données. Dans de nombreux problèmes de prévision, si vous changez les unités de mesure — par exemple, mesurer la température en Fahrenheit au lieu de Celsius, ou la pollution dans des unités différentes — les anciennes méthodes s'effondraient ou nécessitaient que les poids soient re-réglés de zéro. La nouvelle méthode, cependant, est restée stable. Elle a ajusté ses paramètres internes pour correspondre à la nouvelle échelle automatiquement, maintenant le même niveau de précision sans aucune intervention humaine. Cette propriété, connue sous le nom d'équivariance d'échelle, signifie que le système est robuste aux choix arbitraires de présentation des données. Le chercheur a également montré que la méthode pouvait apprendre le niveau correct d'incertitude même lorsque les données étaient bruitées, et qu'elle n'inventait pas de faux motifs d'incertitude là où il n'en existait pas.

L'étude a également exploré ce qui se passe lorsque les différentes tâches se disputent l'attention de l'ordinateur. Dans certains cas, les tâches étaient si étroitement liées qu'aider l'une aidait automatiquement les autres. Dans d'autres cas, les tâches étaient en conflit, et le système devait trouver un compromis. Le chercheur a constaté que la nouvelle méthode gérait ces conflits avec grâce, trouvant souvent une solution qui était aussi bonne que le meilleur compromis possible trouvé par les anciennes méthodes lourdement ajustées, mais en une fraction du temps. Ils ont également testé si le système pouvait apprendre différents niveaux de confiance pour différentes tâches, et ont découvert qu'il pouvait le faire automatiquement, sans avoir besoin d'un processus de réglage distinct pour chacune d'elles.

Les résultats suggèrent que la clé d'une meilleure prévision n'est pas seulement d'avoir plus de données ou des ordinateurs plus puissants, mais d'avoir une meilleure façon de combiner différents types de questions. En laissant chaque question conserver sa propre échelle naturelle et sa propre mesure d'incertitude, le système peut apprendre une image plus complète de l'avenir. Le chercheur a démontré que cette approche fonctionne non seulement sur des modèles mathématiques simples où la réponse est connue, mais aussi sur des données réelles complexes où la réponse est incertaine. Il a montré que la méthode est plus rapide, plus précise et plus fiable que les méthodes traditionnelles d'équilibrage de multiples tâches. Bien que l'étude ait été limitée à un petit nombre de tâches et à des types de données spécifiques, les principes qu'elle a mis en lumière offrent une voie prometteuse pour construire des systèmes de prévision qui sont à la fois précis et honnêtes quant à leur propre incertitude. Ce travail prouve qu'il est possible d'enseigner à une machine à peser correctement ses propres doutes, sans avoir besoin d'un humain pour tenir la balance.