一纸在多伦多大学合着的研究人员矢量研究院和谷歌介绍了针对健康，科学，叫神经随机微分方程（随机微分方程）财务预测的人工智能技术。

它可以对可能影响人，价格或复杂系统状态的随机事件进行建模，该复杂系统是由可能相互交互的许多部分组成的系统。例如，金融市场和医疗保健网络是非常复杂的系统。市场交易或医院访问将是影响这些系统的“随机事件”。这组作者说，与现有技术不同，神经SDE可以对这些随机事件做出预测，例如未来几天股票的价格。

现有的最流行的技术之一神经普通方程（ODE），有一个重要的局限性，因为它们不能解释随机相互作用，这意味着它们无法在发生随机事件时更新系统状态。（请考虑影响公司股价的其他人进行的交易或在改变人的健康状况的医院中感染的病毒。）必须按一定的时间表手动更新系统以解决这些问题，这意味着该模型是“真正映射到现实。

神经SDE没有这种限制。这是因为它们表示状态不断发生变化。

正如该论文的合著者所解释的那样，神经SDE通过将瞬时噪声添加到其动力学中来泛化ODE。此算法和其他算法调整允许将成千上万的变量（参数）拟合到神经SDE，使其适合于建模诸如液体中的分子运动，基因库中的等位基因频率或市场价格之类的事物。

在一个实验中，该团队在真实的运动捕获数据集上训练了ODE和神经SDE模型，该数据集包括23个步行序列，分为15个训练，3个验证和4个测试序列。经过400次迭代，他们发现与SDE相比，神经SDE的预测性能有所提高-前者的均方误差为4.03％，而ODE为5.98％（越低越好）。

Vector Institute的发言人通过电子邮件表示：“基于Einstein的早期工作，这些SDE使模型能够代表状态的不断变化，并可以进行大规模的状态变化。” “如今，非神经SDE已用于金融和健康领域，但规模有限。如顶部所述，神经SDE带来了将AI大规模应用于大型复杂金融系统的新机会，而无需做出通常需要的巨大……折衷方案。”