En el presente artículo, estudiamos las posibilidades del aprendizaje automático para la estimación de la visibilidad en el Observatorio Astronómico de Maidanak (384024 N, 665347 E) utilizando solo datos de reanálisis de Era-5. La visibilidad se asocia generalmente con la integral de la intensidad de la turbulencia sobre la altura. Basándonos en las mediciones de visibilidad acumuladas durante 13 años, creamos modelos de conjunto de redes neuronales multicapa bajo el marco del aprendizaje automático, incluyendo entrenamiento y validación. Por primera vez en el mundo, hemos simulado la turbulencia óptica (variaciones de visibilidad) durante la noche con redes neuronales profundas entrenadas en una base de datos de 13 años de visibilidad astronómica. Se obtuvo un conjunto de redes neuronales para simulaciones de variaciones de visibilidad nocturna. Para estas redes neuronales, el coeficiente de correlación lineal varía de 0.48 a 0.68. Mostramos que la visibilidad modelada con redes neuronales se describe bien a través de parámetros meteorológicos, que incluyen componentes de velocidad del viento, temperatura del aire, humedad y tensiones superficiales turbulentas. Uno de los nuevos resultados fundamentales es que la estructura de la turbulencia de pequeña escala (óptica) sobre el Observatorio Astronómico de Maidanak no depende o depende de manera negligible del componente de vórtice de gran escala de los flujos atmosféricos.