Machine learning tidak bisa menangani data deret waktu jangka panjang.

Lebih tepatnya, sistem ML masa kini tidak dapat menyimpulkan struktur fraktal dari data deret waktu.

Masa mobil swakemudi, AlphaStar (AI StarCraft 2), dan RNN bukan memproses data deret waktu? => Ya, benar

• Mobil swakemudi

Swakemudi menggunakan hibrida antara ML dan pemrograman prosedural.

ML menangani elemen tingkat rendah seperti pengenalan pejalan kaki, sementara pemrograman prosedural (non-statistik) menangani elemen seperti navigasi. Dijelaskan lewat laporan terkait mobil self-crashing milik Uber.

• AlphaStar

Sedikit lebih kompleks daripada Uber, dengan menggunakan dua jaringan saraf. Satu untuk memprediksi peluang menang, dan satu lagi untuk menentukan gerakan apa yang akan dilakukan. Keduanya mengubah masalah deret waktu menjadi dua masalah stateless yang terpisah.

Tanpa handicap APM, tentu AlphaStar akan menang, tetapi bahkan dengan handicap pun AlphaStar unggul secara taktis, sementara manusia bisa menang karena pemain level tinggi lebih unggul dalam pemahaman strategis. Kecuali ada daya komputasi tak terbatas, ia akan menabrak tembok dalam perhitungan strategi yang kompleks. Otak manusia tidak dibatasi dengan cara seperti ini.

Hukum pertama kecerdasan buatan menurut penulis

"Algoritma yang tidak tersusun secara fraktal pada akhirnya akan menabrak tembok komputasi, dan sebaliknya juga demikian"

Di bagian kesimpulan, penulis membahas Feed Forward Neural Network (FFNN) dan Connectome-Specific Harmonic Waves (CSHW) untuk menyusun jaringan saraf dengan pendekatan fraktal.