Bilim insanları, farklı disiplinlerde kullanılan güçlü bir matematiksel yöntemi çevrimiçi uygulamalar için optimize ettiler. 'Genelleştirilmiş filtreleme' olarak bilinen bu yaklaşım, aynı anda üç kritik görevi yerine getiriyor: gizli durumları tahmin etme, bilinmeyen model parametrelerini öğrenme ve belirsizlikleri hesaplama.
Bu yöntem, farklı bilim dallarında farklı isimlerle karşımıza çıkıyor. Mühendislikte 'varyasyonel Kalman-Bucy filtrelemesi', nörobilimde 'genelleştirilmiş tahminsel kodlama' ve zaman serisi analizinde 'Dinamik Beklenti Maksimizasyonu' (DEM) olarak adlandırılıyor. Her ne kadar isimleri farklı olsa da, hepsi aynı temel prensibi kullanıyor.
Araştırmacıların getirdiği yenilik, DEM yöntemini 'çevrimiçi' veri asimilasyonu için özelleştirmesi. Bunu yaparken zaman ölçeklerini ayırma stratejisini kullandılar. Sistem artık parametrelerin ve hassasiyetlerin yavaş güncellenmesi ile dinamik gizli durumlarla ilgili hızlı Bayesyen inanç güncellemelerini birbirinden ayırabiliyor.
Bu gelişme, hem beynin bilgi işleme süreçlerini anlamamızda hem de gerçek zamanlı çalışan yapay zeka sistemlerinin geliştirilmesinde önemli fırsatlar sunuyor. Özellikle sürekli değişen çevrelerde hızlı karar vermesi gereken sistemler için değerli bir araç olabilir.