Het is nu mogelijk om te voorspellen wie de beste kandidaat is voor het ontvangen van een orgaantransplantatie, weten of klanten van een bank de gevraagde leningen zullen terugbetalen, de films kiezen die het beste aansluiten bij de interesses van de consument, of zelfs iemands ideale partner selecteren. Wiskundige algoritmen analyseren voortdurend miljoenen gegevens, patronen herkennen en voorspellingen doen over alle levensgebieden. Maar in de meeste gevallen, de resultaten geven weinig meer dan een gesloten voorspelling die niet kan worden geïnterpreteerd en die vaak wordt beïnvloed door vooroordelen in de oorspronkelijke gegevens.

Nutsvoorzieningen, een team van de onderzoeksgroep SEES:lab van het Department of Chemical Engineering van de Universitat Rovira I Virgili en ICREA heeft een doorbraak bereikt met de ontwikkeling van een nieuw algoritme dat nauwkeuriger voorspellingen doet en wiskundige modellen genereert die het ook mogelijk maken om te begrijpen deze voorspellingen. De resultaten van dit onderzoek zijn zojuist gepubliceerd in het tijdschrift wetenschappelijke vooruitgang .

"Het doel van onze studie was om te creëren wat bekend staat als een wetenschappelijke robot, een algoritme dat de kennis en expertise kan toepassen die een onderzoeker heeft om data te interpreteren, " legt Marta Sales-Pardo uit, een van de auteurs van het artikel. De resultaten van het algoritme worden gekenmerkt door het feit dat ze interpreteerbaar zijn. "Het is alsof iemand een wet of een theorie heeft opgesteld over het systeem dat wordt bestudeerd. Het algoritme geeft je de wiskundige relaties tussen de variabelen die het heeft geanalyseerd en doet dat volledig onafhankelijk, " voegt Roger Guimerà toe, een ICREA-onderzoeker uit dezelfde groep.

Wanneer een bedrijf een enorme hoeveelheid data heeft die het wil exploiteren, het kan dit doen door iemand in dienst te nemen om verschillende modellen uit te proberen, formules voorstellen en vinden welke het beste werkt door experimenten uit te voeren om ze te valideren. Dit zal leiden tot een wiskundige formule die het mogelijk maakt om het systeem te modelleren, maar het vergt een aanzienlijke investering in tijd en geld.

Een andere mogelijkheid is om een ​​specialist in machine learning te vinden, een wetenschappelijke discipline op het gebied van kunstmatige intelligentie die systemen creëert die complexe patronen identificeren in enorme datasets, automatisch leren en een "black-box"-model produceren dat voorspellingen kan doen. Echter, deze systemen geven geen andere informatie en als de voorspelling faalt, is het onmogelijk om te weten waar de fout zit en wat er moet gebeuren om deze te voorkomen.

Het bij de URV ontwikkelde algoritme neemt het beste van de twee gevallen:het verwerkt de gegevens automatisch, snel en betrouwbaar, zoals het machine learning-systeem doet, en het levert ook een resultaat op dat een interpreteerbaar model is.

Het algoritme kan worden gebruikt om gegevens uit elke discipline te analyseren en te interpreteren in een proces dat veel flexibeler en efficiënter is dan de huidige. Maar de echte meerwaarde is de informatie die het systeem levert. "In de geneeskunde, bijvoorbeeld, als u een beslissing moet nemen op basis van gegevens, is het erg belangrijk om te begrijpen waarom elke beslissing is genomen en hoe groot het risico is dat u een fout maakt, " legt Guimerà uit. "Hoewel het algoritme ook heeft aangetoond dat het zeer nauwkeurig is, het belangrijkste is dat je de resultaten kunt begrijpen omdat je een machinewetenschapper hebt gebouwd die, zonder voorkennis, kan een reeks gegevens nemen en een theorie ontwikkelen die het gestelde probleem oplost, " voegt Ignasi Reichardt toe, een andere onderzoeker in het team.

In dit onderzoek, het algoritme is toegepast op een fundamenteel probleem van de vloeistoffysica met de medewerking van de onderzoeksgroep Experimentation, Berekening en modellering in vloeistofmechanica en turbulentie van de afdeling Werktuigbouwkunde van de URV.