Теория возможностей вместо вероятностей: новый взгляд на неопределенность в ML

Наньянский технологический университет (Сингапур) выступил с неожиданной идеей: использовать теорию возможностей как альтернативу классической теории вероятностей в машинном обучении. В отличие от вероятностного подхода, который описывает случайность, теория возможностей работает с неопределенностью, вызванной неполнотой или противоречивостью данных.

Механика подхода строится на степенях возможности и необходимости, что позволяет моделям действовать в условиях, когда данных мало или они ненадежны. Это особенно актуально для задач, где вероятностные допущения не выполняются, например при работе с редкими событиями или экспертными оценками.

Авторы утверждают, что такой подход дает ощутимые результаты в ряде прикладных задач, однако детали и сравнение с традиционными методами раскрываются в самой статье. Пока это скорее теоретический задел, который может открыть новое направление в ML, но до промышленного применения еще далеко.