В Сбере разработана модель для повышения точности прогнозирования

Специалистами Центра практического искусственного интеллекта Сбербанка представлена новая методика повышения точности прогнозов в разных областях — от энергетики до логистики. Предложенная гиперсетевая модель для прогнозирования многомерных временных рядов функционирует подобно умному дирижеру, настраивая нейросеть для каждого отдельного сигнала.

Соответствующую статью, которую подготовил научный директор Центра практического искусственного интеллекта Сбербанка Андрей Савченко, уже приняли к публикации на одной из авторитетных мировых конференций по ИИ -AAAI 2026.

Разработанная учеными Сбера модель призвана анализировать особенности каждого потока данных. В частности, изучать характер потребления электроэнергии в квартире или особенности движения на конкретной улице. На базе данного анализа гиперсеть формирует для каждого сигнала индивидуальные опции прогнозирования.

Специальная надстройка делает даже базовые модели мощными инструментами, способными по точности превосходить более сложные современные архитектуры. Ключевым преимуществом своей новинки авторы называют скорость. Гиперсеть активна лишь на этапе обучения модели. При выстраивании прогнозов системой в реальном времени, она не замедляется. Что, акцентируют разработчики, крайне важно для промышленного применения.

Директор центра практического искусственного интеллекта Сбербанка Николай Тиден отмечает, что исследование выработало простое решение актуальной задачи. Вместо сложной модели с гигантским числом параметров, создали компактную гиперсеть.

Ее задачей является точная адаптация основной модели под особенности каждого набора данных. Что даёт возможность повышать точность предсказаний, до 20 процентов, без понижения скорости работы. Методика уже готова для практического применения в разных областях, например, для интеллектуальных сетей или финансовых платформ.

Авторы также отмечают универсальность технологии — ее можно подключать к большинству существующих систем прогнозирования. Так, в энергетике чёткий прогноз нагрузки позволяет сводить к минимуму аварии и экономить топливо. В логистике города он поможет предотвращать развитие пробок. В медицине это возможность более точных прогнозов состояния пациента.