Графовые нейросети против счётчика без обучения: в Лиме и Чикаго выигрыш зависел от задачи
Исследователи проверили на данных Лимы и Чикаго, помогают ли графовые нейросети предсказывать преступления следующего дня, и опубликовали обзор, включая отрицательные результаты и ошибки реализации, с простым счётчиком без обучения в роли точки отсчёта.

В обзоре важнее не победитель, а проверка: что сложная модель находит сверх простого счётчика прошлых событий. Тот же вопрос стоит задавать любому ИИ-сервису, который обещает прогноз по вашим данным.
Обычно прогнозные модели сравнивают по итоговой таблице победителей. Авторы обзора разделили задачу на три постановки и в каждой сравнивали модели с базовым вариантом. Имён авторов, даты и площадки публикации переданный материал не называет. Главный вывод о фоне такой: результат зависел от постановки, и выигрыш при выборе районов не обязательно сохранялся на шестиугольной сетке.
| Что | Когда | Кто выпустил | Цена |
|---|---|---|---|
| Обзор экспериментов: прогноз зарегистрированных преступлений на следующий день | Дата публикации не указана | Авторы в материале не названы | Не указана, это исследование, а не продукт |
Что нового показали графовые нейросети и их соперники?
Задача звучит просто: по истории зарегистрированных преступлений предсказать, в каких частях города завтра событий будет больше. Город делили на районы или на ячейки сетки H3 (система, которая разбивает карту на ячейки, в основном шестиугольные, похоже на соты), время делили на дни.
- Базовый счётчик без нейросети. Каждый день накопленное значение территории немного уменьшают и прибавляют вчерашнее число событий. Ежедневно сохраняется около 97,72% прежнего значения.
- Память в 30 дней. Через 30 дней вес события падает вдвое. Это период полураспада, а не жёсткое окно: старые данные не отбрасываются резко. Метод называют экспоненциальным сглаживанием EWM-30.
- Счётчику не нужно ничего лишнего. Ни карты связей, ни сведений о магазинах, школах и остановках (POI, точки интереса), ни обучения.
- Соперники. GRU (рекуррентная сеть, которая день за днём обновляет свою память), TCN (сеть, которая просматривает историю по временной оси) и графовые нейросети, где территории обмениваются информацией с соседями.
- Результаты неоднородны. Улучшение прогноза по категориям преступлений не всегда улучшало общий прогноз.
Авторы отдельно подчёркивают: балл счётчика нужен для ранжирования территорий. Это не вероятность и не точный прогноз числа событий.
Как измеряли и почему цифрам нельзя верить вслепую?
Каждый день модель выбирает территории с наибольшими баллами в заданном бюджете, например 5% площади города. Потом считают долю реальных событий, которые попали в этот выбор, это доля захваченных событий (hit rate).
Второй показатель, PAI (индекс точности прогноза), сравнивает концентрацию событий в выбранной зоне со средней по городу. Если в 5% площади попало 20% событий, PAI равен 0,20 / 0,05 = 4, то есть концентрация в четыре раза выше средней.
Третий показатель, MAE (средняя абсолютная ошибка), показывает, насколько модель промахивается в самом числе событий. Модель может точно выбирать территории и при этом плохо угадывать масштаб, и в обзоре это одно из главных различий.
Дата события не совпадает с датой появления записи в базе. Без отдельной проверки задержек это ретроспективный прогноз, а не готовый сервис. Тестовый период Чикаго (2025 год) уже просматривали в прошлых сериях, поэтому авторы называют его разведочным. Основной тест Лимы длился 37 дней, с 23 сентября по 29 октября.
Деталь, которая выдаёт аккуратность авторов: в Лиме выбирали 106 ячеек из 2 120, а в Чикаго районы разного размера, и последний целый район может вывести выбор за 5% площади. Одинаковая подпись «5%» в таблицах означает разные вещи.
Как попробовать подход на своих данных?
- Возьмите ежедневную статистику, где важно «где завтра будет больше»: заявки по городам, продажи по товарам, комментарии по рубрикам.
- Для каждой строки заведите счётчик: вчерашнее значение умножьте на 0,9772 и прибавьте вчерашнее число событий.
- Каждый день сортируйте строки по счётчику и смотрите, какая доля завтрашних событий попала в верхние 5%.
- Только потом пробуйте сложную модель и сравнивайте с этим результатом.
Чем тут помогут YandexGPT и GigaChat?
Из доступных в РФ инструментов YandexGPT и GigaChat решают другую задачу: это чат-модели, а не прогнозные графовые нейросети. Им можно дать промпт с просьбой собрать формулу счётчика для Google Таблиц или Excel и объяснить, как её протянуть на все строки.
Простой счётчик пригодится каждому: что делать по ролям
Автору Дзена. Посчитайте такой счётчик по своим рубрикам: он покажет, какие темы набирают отклик сейчас, но не забывает и про давние сильные.
Маркетологу. Перед покупкой «умной» аналитики попросите подрядчика показать, насколько его модель лучше счётчика из одной формулы. Нет сравнения, нет доказанной пользы.
Предпринимателю в РФ и СНГ. Счётчик работает в любой таблице, без подписок и зарубежных сервисов. Начните с выбора, куда направить ресурсы завтра: на какой склад, в какой район, на какой товар.
На мой взгляд, главная ценность обзора в честности: авторы показали отрицательные результаты и собственные ошибки, а не только красивые метрики. Оговорка: это исследование про преступления в двух городах, переносить выводы на ваш бизнес напрямую нельзя. Что сделать сегодня: заведите счётчик в таблице по одной своей метрике и через неделю посмотрите, угадывает ли он завтрашние лидеры.
Что спрашивают про графовые нейросети?
Графовые нейросети обогнали простой счётчик?
Однозначного ответа материал не даёт. Результаты зависели от постановки, и выигрыш на районах не обязательно повторялся на шестиугольной сетке.
Можно ли использовать такую модель для прогноза в реальном времени?
Авторы прямо пишут, что нет: без проверки задержек между событием и его записью это ретроспективная оценка.
Зачем вообще нужен счётчик, если есть ИИ?
Чтобы понять, за что вы платите. Если сложная модель не обходит одну формулу, ей нечего делать в вашей работе, и проверить это можно за вечер.

Основатель dzen.guru. Эксперт по монетизации и продвижению на Дзен. Автор курса «Старт на Дзен 2026».
Читайте также

Gemini распознаёт вызов о лесных пожарах за 30 секунд: жители успели эвакуироваться
Американский сервис Watch Duty в июле 2026 года впервые разослал ночное экстренное оповещение о пожаре, потому что инструмент на Gemini распознал вызов сквозь…

Математик Anthropic заявил о доказательстве гипотезы Римана с Claude: проверка дошла до 99%
Математик Anthropic Левент Альпёге заявил о доказательстве 167-летней гипотезы Римана вместе с нейросетью Claude, и пока идёт публичная проверка, авторам Дзена…

ИИ-ассистент Google в США собирает корзину и считает налоги: Поиск доводит до заказа
Google начала раскатывать в США подключённые приложения в Поиске и Gemini, через которые ИИ-ассистент собирает корзину продуктов, считает налоги и подбирает…
Комментарии