Ещё недавно цифровой двойник представляли почти буквально: чем больше данных о реальном объекте мы соберём и чем подробнее воспроизведём его в цифровой среде, тем лучше.
Теперь логика меняется.
В нескольких работах, представленных на AI4DT, исследователи рассматривают модели с разным уровнем детализации. Для одной задачи достаточно грубого приближения, для другой требуется гораздо более точное описание. Постоянно считать всё с максимальной точностью дорого, медленно и зачастую просто не нужно.
Особенно хорошо это видно там, где цифровой двойник связан с реальным объектом непрерывным потоком данных. В проекте GlassBrain, например, сигналы ЭЭГ превращаются в цифровое представление активности мозга и могут использоваться для обратной связи человеку.
Но убедительная картинка на экране ещё не означает точного знания.
На результат влияют шумы сигнала, особенности конкретного человека, качество синхронизации и сама модель. Поэтому всё важнее становится не только то, что цифровой двойник показывает, но и умеет ли он обозначать границы собственной достоверности.
ИИ делает такие системы сильнее: помогает восстанавливать недостающие данные, замечать аномалии и быстрее строить прогнозы. Одновременно появляется новый риск — вместо понятной физической модели можно получить эффективный, но плохо объяснимый «чёрный ящик».
Получается парадоксальный поворот.
Хороший цифровой двойник будущего, возможно, будет не самой точной копией оригинала.
А той, которая достаточно хорошо знает именно то, что нужно для решения задачи, — и честно сообщает о том, чего не знает.
