แมชชีนเลิร์นนิงไม่สามารถประมวลผลข้อมูลอนุกรมเวลาระยะยาวได้

กล่าวให้แม่นยำกว่านั้นคือ ระบบ ML ในปัจจุบันไม่สามารถอนุมานโครงสร้างแบบแฟร็กทัลจากข้อมูลอนุกรมเวลาได้

รถยนต์ไร้คนขับ, AlphaStar (AI ของ StarCraft 2), หรือ RNN ไม่ได้กำลังประมวลผลข้อมูลอนุกรมเวลาอย่างนั้นหรือ? => ใช่

• รถยนต์ไร้คนขับ

ระบบขับขี่อัตโนมัติใช้ไฮบริดระหว่าง ML กับการเขียนโปรแกรมเชิงขั้นตอน

ML ใช้จัดการองค์ประกอบระดับล่าง เช่น การตรวจจับคนเดินถนน ขณะที่การเขียนโปรแกรมเชิงขั้นตอน (ที่ไม่ใช่เชิงสถิติ) ใช้จัดการองค์ประกอบอย่างการนำทาง โดยอธิบายผ่านรายงานเกี่ยวกับรถ Self-Crashing ของ Uber

• AlphaStar

ซับซ้อนกว่า Uber ขึ้นมาเล็กน้อย โดยใช้โครงข่ายประสาทสองตัว ตัวหนึ่งทำนายอัตราชนะ และอีกตัวหนึ่งระบุว่าจะต้องทำการเคลื่อนไหวแบบใด ทั้งสองอย่างนี้เปลี่ยนปัญหาอนุกรมเวลาให้กลายเป็นปัญหา Stateless แยกกันสองปัญหา

หากไม่มี APM handicap แน่นอนว่า AlphaStar จะชนะ แต่ถึงจะมี handicap มันก็ยังชนะเชิงยุทธวิธี อย่างไรก็ตาม มนุษย์ยังชนะได้เพราะผู้เล่นระดับสูงเหนือกว่าในด้านความเข้าใจเชิงกลยุทธ์ ตราบใดที่ไม่ได้มีพลังการคำนวณไร้ขีดจำกัด ก็จะชนกำแพงในการคำนวณกลยุทธ์ที่ซับซ้อน สมองมนุษย์ไม่ได้ถูกจำกัดในลักษณะนี้

กฎข้อที่หนึ่งของปัญญาประดิษฐ์ตามผู้เขียนบทความ

"อัลกอริทึมที่ไม่ได้ประกอบขึ้นจากแฟร็กทัล สุดท้ายจะชนกำแพงด้านการคำนวณ และในทางกลับกันก็เช่นกัน"

ในบทสรุป ผู้เขียนกล่าวถึง Feed Forward Neural Network (FFNN) และ Connectome-Specific Harmonic Waves (CSHW) เพื่อจัดองค์ประกอบโครงข่ายประสาทในแบบแฟร็กทัล