ТехноВыбор

Новость · ИИ и наука

Google Science AI заняла первое место в оценке CDC FluSight: как работает прогноз госпитализаций

Google Science AI заняла первое место в оценке CDC FluSight: как работает прогноз госпитализаций

В итоговой оценке CDC FluSight за сезон 2025–2026 модель Google_SAI-FluEns показала лучший результат среди 39 моделей, соответствовавших критериям включения; официальный ансамбль FluSight занял седьмое место. Это результат перспективной проверки прогнозов госпитализаций из-за гриппа в США, публиковавшихся до появления фактических наблюдений, а не ретроспективная демонстрация на уже известном сезоне. Однако даже сильные ансамбли хуже справлялись с резкими переломами эпидемической кривой. Система предназначена для популяционного прогнозирования и планирования в здравоохранении, а не для диагностики, лечения или оценки риска отдельного человека.

Что именно объявили Google и CDC

30 сентября 2026 года CDC опубликовала итоговую оценку FluSight за сезон 2025–2026. Среди 39 моделей, выполнивших требования анализа, Google_SAI-FluEns получила лучший общий результат по основной метрике, а ансамбль FluSight, который CDC использовала в прогнозных сообщениях, занял седьмое место.

Формулировка «первое место» относится к конкретному соревнованию: прогнозам недельных госпитализаций из-за гриппа по американским юрисдикциям в заданные сроки и по правилам CDC. Она не означает, что система лучше любых эпидемиологических моделей, пригодна для всех стран или предсказывает индивидуальное течение заболевания.

Google описывает результат как пример автоматизированной разработки прогнозного программного обеспечения. Независимым основанием для позиции в таблице служит отчёт CDC, тогда как публикация Google и исследовательский препринт объясняют устройство системы и авторскую интерпретацию результатов.

Почему оценка называется перспективной

Прогнозы подавались каждую неделю в реальном времени в течение респираторного сезона 2025–2026 годов, прежде чем становились известны значения, которые они пытались предсказать. Исследователи сохраняли датированные отправки в публичном репозитории, что снижает риск утечки будущих данных в оценку.

Это отличает перспективную проверку от ретроспективной, где весь сезон уже известен и разработчик может невольно подстроить метод под его особенности. В живом режиме приходится учитывать задержки отчётности, исправления ранее опубликованных данных, праздничные аномалии и изменение динамики заболевания.

При этом оценка охватывает один сезон в США. Даже честное тестирование вне обучающей выборки не доказывает устойчивость результата в другом году, при иной структуре наблюдений, новом варианте вируса, изменении поведения населения или переносе метода на другую страну.

Что прогнозировали участники FluSight

Основной целью были недельные госпитализации из-за гриппа: оценка текущей недели и горизонтов до трёх недель вперёд. CDC собирала прогнозы по штатам, округу Колумбия, Пуэрто-Рико и США в целом, используя стандартизированные вероятностные распределения, а не одно точечное число.

Для итогового скоринга CDC исключила национальные прогнозы из-за отличия масштаба и прогнозы Пуэрто-Рико из-за доступности данных. Модели, отправившие менее 75% требуемых прогнозов для оставшихся недель и юрисдикций, также не вошли в основную таблицу.

Всего 34 команды представили 53 уникальные модели, но критериям итогового анализа соответствовали 39. Поэтому сравнивать число 39 с любыми промежуточными таблицами нужно осторожно: состав участников зависит от даты среза, доли поданных целей и правил конкретной оценки.

Как читать Weighted Interval Score

Weighted Interval Score, или WIS, оценивает вероятностный прогноз сразу по набору интервалов. Он учитывает положение центрального прогноза, ширину интервалов неопределённости и штрафует случаи, когда наблюдаемое значение оказывается за их пределами; меньший WIS означает более качественный баланс точности и калибровки.

Широкий интервал чаще накрывает факт, но несёт штраф за недостаточную точность. Слишком узкий выглядит уверенно, однако получает дополнительный штраф, если реальное значение выпадает наружу. Поэтому метрика не поощряет простое расширение диапазона и относится к proper scoring rules — правилам, рассчитанным на честное выражение неопределённости.

CDC применяла WIS к логарифмически преобразованным числам госпитализаций, чтобы уменьшить влияние различий масштаба между юрисдикциями. В исследовательской статье WIS описан как квантильное приближение CRPS; авторы также отмечают, что выбор логарифмической шкалы влияет на то, какие ошибки оптимизирует автоматический поиск.

Что означает относительный WIS

В таблице CDC основная величина — относительный WIS. Результат каждой модели сопоставляется с простым базовым прогнозом, который переносит последнее наблюдаемое число госпитализаций вперёд с добавленной неопределённостью. Значение ниже единицы означает результат лучше базы, выше единицы — хуже неё.

Относительный показатель рассчитан через геометрическое среднее попарных отношений среднего WIS на общих целях, а затем масштабирован относительно FluSight baseline. Такой подход позволяет сравнивать модели даже при несовпадающем наборе отправленных прогнозов и меньше наказывать участников, охвативших трудные юрисдикции.

Относительный WIS нельзя читать как процент правильно угаданных недель или прямую вероятность события. Для полноты CDC отдельно показывает покрытие 50- и 95-процентных интервалов — долю случаев, когда опубликованный диапазон действительно включал последующее наблюдение.

Итог: Google_SAI-FluEns — первая, FluSight ensemble — седьмой

По среднему относительному WIS за сезон и по включённым юрисдикциям Google_SAI-FluEns стала лучшей из 39 допущенных моделей. CDC называет её наиболее результативной среди индивидуальных командных отправок, а 33 из 39 моделей в целом превзошли базовую модель.

Официальный FluSight ensemble занял седьмое место. Этот ансамбль создавался как медиана прогнозов моделей, которые команды заранее обозначили для включения, и использовался CDC для коммуникации прогнозов в течение сезона.

Седьмое место не делает официальный ансамбль неудачным: он вошёл в число 12 моделей, которые превосходили базу во всех юрисдикциях. Ансамбли обычно ценны устойчивостью и редко оказываются худшими на отдельной задаче, даже если специализированная система выигрывает сезонный средний рейтинг.

Как ERA создавала прогнозные модели

Google_SAI-FluEns построена из моделей, найденных системой Empirical Research Assistance, или ERA. Это агентный контур с управляемым большой языковой моделью древовидным поиском: система генерирует исполняемый Python-код, запускает его в песочнице, оценивает на исторических периодах и использует балл для выбора следующих ветвей поиска.

По статье, для трёх инфекций исследователи составили 142 исходных промпта, выполнили более 207 500 запусков кандидатных моделей, выбрали 54 модели во внутренний перспективный хаб и 19 назначили компонентами трёх отправляемых ансамблей. Для гриппа использовалось 107 исходных стратегий благодаря более богатой истории FluSight.

Стратегии включали адаптации опубликованных и действующих методов, комбинации двух разных подходов и свободный поиск новых архитектур. Финальный ансамбль объединял несколько машинно сгенерированных моделей, поэтому его нельзя сводить к одному ответу LLM или обычному чат-боту.

Почему разнообразие моделей важно

Прогнозные хабы объединяют статистические модели временных рядов, механистические модели распространения инфекции, машинное обучение и гибриды. Один подход может хорошо описывать обычную сезонность, но ошибаться при изменении режима, поэтому объединение методологически разных компонентов часто даёт более стабильный результат.

Авторы статьи заметили, что свободный LLM-поиск тяготеет к распространённым в открытом коде методам — градиентному бустингу, случайным лесам и похожим регрессорам. Чтобы расширить пространство решений, ERA получала описания методов из литературы, комбинационные задания и предложения Gemini Deep Research.

Автоматическая генерация не гарантировала верность заданной научной архитектуре. В некоторых экспериментах система находила точную реализацию, в других — лишь приближение; специальный LLM-судья помогал только тогда, когда метод был выполним для базовой модели и критерии проверки были хорошо согласованы с экспертной оценкой.

Где прогнозы ошибались: резкие изменения тренда

CDC зафиксировала снижение качества вокруг быстро меняющихся участков эпидемической кривой. Интервалы официального FluSight ensemble не предвидели рост госпитализаций в конце декабря 2025 года и последующее снижение в середине января 2026 года.

Для недели пика покрытие двухнедельных интервалов официального ансамбля по юрисдикциям опускалось ниже 25%, хотя позднее, с февраля, покрытие стабилизировалось примерно около 95%. Это показывает, что высокий средний сезонный рейтинг может скрывать важные локальные провалы именно в моменты разворота.

В статье Google для собственного ансамбля также описана систематическая форма ошибки: медиана склонялась к недооценке на раннем росте и переоценке после пика, а интервалы расширялись во время быстрого декабрьского подъёма. Авторы не утверждают, что система безошибочно распознаёт переломы.

Почему цифры препринта и финального отчёта различаются

Препринт был представлен 15 мая 2026 года и анализировал отправки только по 2 мая. В его предварительном срезе Google_SAI-FluEns занимала первое место среди 43 моделей, прошедших авторский порог покрытия не менее 80% задач; всего хотя бы один прогноз тогда подали 57 моделей FluSight.

Финальный отчёт CDC вышел 30 сентября и использовал данные всего оцениваемого периода, собственные исключения и порог не менее 75% прогнозных целей. В нём основной рейтинг содержит 39 моделей. Оба документа ставят Google_SAI-FluEns первой, но знаменатели и процедуры отбора не взаимозаменяемы.

Поэтому корректная формулировка для итоговой новости — первое место среди 39 моделей в официальной сезонной оценке CDC. Число 43 уместно только при описании более раннего анализа авторов и должно сопровождаться датой среза и отдельным критерием допуска.

Границы применения и что подтверждено на 1 октября

FluSight прогнозирует агрегированные госпитализации и создаётся для мониторинга и планирования общественного здравоохранения. Это не клинический инструмент: он не диагностирует грипп, не назначает лечение, не заменяет лабораторное исследование и не оценивает персональный риск конкретного пациента.

Исследовательская работа размещена на arXiv и на дату проверки не обозначена там как прошедшая рецензирование. Независимый сезонный рейтинг CDC подтверждает сравнительную точность отправленных прогнозов по правилам FluSight, но не валидирует каждое архитектурное утверждение, сгенерированный фрагмент кода или переносимость ERA на новую задачу.

На 1 октября 2026 года подтверждены перспективные датированные отправки, первое место Google_SAI-FluEns среди 39 моделей итоговой оценки, седьмое место FluSight ensemble и снижение качества при резких изменениях тренда. Для будущих сезонов нужны повторные проверки: один результат не является гарантией постоянного лидерства.

  • Объект прогноза — недельные госпитализации из-за гриппа, а не индивидуальный диагноз.
  • Основная метрика CDC — относительный WIS; меньше единицы означает результат лучше простой базовой модели.
  • Google_SAI-FluEns заняла первое место среди 39 моделей, FluSight ensemble — седьмое.
  • Быстрый рост и разворот эпидемической кривой оставались сложными для ансамблей.
  • Препринт и финальный отчёт используют разные даты среза и критерии включения.
  • arXiv предупреждает, что препринт не следует использовать без контекста для клинических решений.

Проверяемые источники

Редакция сверила порядок действий с официальной документацией. Названия пунктов и возможности зависят от модели и версии системы.

Связанные материалы

WeatherNext 3: как Google прогнозирует погодуСвязанный материалSynthID Bio: водяные знаки для созданных ИИ белковСвязанный материал

← В раздел «Компьютеры и комплектующие»

Частые вопросы

С чего начать по «Google Science AI заняла первое место в оценке CDC FluSight: как работает прогноз госпитал»?

По «Google Science AI заняла первое место в оценке CDC FluSight: как работает прогноз госпитал» сначала зафиксируйте модель и симптом, затем выполняйте шаги статьи по одному.

Какая ошибка чаще всего мешает в «Google Science AI заняла первое место в оценке CDC FluSight: как работает прогноз госпитал»?

В «Google Science AI заняла первое место в оценке CDC FluSight: как работает прогноз госпитал» часто меняют сразу несколько факторов — откатите лишнее и повторите один тест.

Когда по «Google Science AI заняла первое место в оценке CDC FluSight: как работает прогноз госпитал» нужен сервис?

Если после базовых шагов «Google Science AI заняла первое место в оценке CDC FluSight: как работает прогноз госпитал» симптом остаётся или есть риск для АКБ/платы.

Что приложить к обращению по «Google Science AI заняла первое место в оценке CDC FluSight: как работает прогноз госпитал»?

Модель, версии ПО, фото и список уже проверенного по материалу «Google Science AI заняла первое место в оценке CDC FluSight: как работает прогноз госпитал» (/ kompyutery-i-komplektuyushchie/google-science-ai-fluens-prognoz-grippa-cdc-flusight /).

Как проверить по шагам

  1. Зафиксируйте симптом для «Google Science AI заняла первое место в оценке CDC FluSight: как работ»
  2. Смените один фактор и сравните результат
  3. Установите официальные обновления ПО
  4. Сохраните модель и обратитесь в поддержку при необходимости

Дополнение: Google Science AI заняла первое место в оценке CDC FluSight: как работает прогно

Короткое дополнение к «Google Science AI заняла первое место в оценке CDC FluSight: как работает прогно»: начните с безопасных проверок и точной модели.

Не смешивайте несколько фиксов — меняйте по одному.

Обновления ставьте только с сайта вендора.

Смежные инструкции раздела рядом, если симптом пересекается.

Перед сервисом сохраните фото/коды и список уже проверенного.

Почему так бывает

Симптом «Google Science AI заняла первое место в оценке CDC FluSight: как работает прогноз госпитализаций» чаще сбой цепочки (питание, сигнал, софт), а не мгновенный отказ узла. Начните с внешнего: кабель, сеть, энергосбережение, перезагрузка.

А/Б на другом кабеле или устройстве часто снимает ложный «брак».

Пошаговые проверки

  1. Воспроизведите симптом и запишите условия.
  2. Уберите временные режимы и лишние аксессуары.
  3. А/Б на исправном кабеле/блоке/сети.
  4. Сброс только нужного раздела настроек.
  5. Обновление ПО — после резервной копии.

Когда в сервис

Запах гари, люфт разъёма, трещины, повтор на любом аксессуаре — к мастеру. Не покупайте по одному отзыву без воспроизводимого теста.