研究人员说这是最人性化的算法

 
现在可以预测谁是接受器官移植的最佳人选，知道银行的客户是否会退还他们要求的贷款，选择最符合消费者利益的电影，甚至选择某人的理想伴侣。数学算法不断分析数百万项数据，识别模式并做出有关生活各个领域的预测。但是在大多数情况下，结果只提供了无法解释的封闭式预测，而且经常受到原始数据偏差的影响。
现在，来自Rovira I Virgili大学化学工程系SEES：lab研究小组的团队通过开发新算法取得了突破，该算法可以进行更准确的预测并生成数学模型，从而使之成为可能了解这些预测。这项研究的结果刚刚发表在《科学进展》杂志上。
该论文的作者之一玛塔·萨尔兹·帕尔多(Marta Sales-Pardo)解释说：“我们研究的目的是创造一种所谓的科学机器人，该算法可以应用研究人员解释数据所必需的知识和专业知识。”该算法提供的结果的特征在于它们是可解释的。 ICREA研究人员RogerGuimerà补充说：“就好像有人在对要研究的系统起草法律或理论一样。该算法为您提供了所分析变量之间的数学关系，并且可以完全独立地进行。”来自同一组。
当一家公司拥有大量希望利用的数据时，可以通过雇用某人尝试各种模型，提出公式并通过进行实验来验证哪种方法最有效来做到这一点。这将导致一个数学公式，使对系统进行建模成为可能，但是这需要大量的时间和金钱投资。
另一种可能性是找到机器学习的专家，这是人工智能领域的一门科学学科，该专家创建的系统可以识别庞大数据集中的复杂模式，自动学习并产生可以进行预测的“黑匣子”模型。但是，这些系统没有提供其他信息，如果预测失败，则不可能知道错误在哪里以及需要采取什么措施来防止该错误。
在URV上开发的算法充分利用了两种情况中的一种：与机器学习系统一样，它可以自动，快速且可靠地处理数据，并且还产生可解释模型的结果。
该算法可用于分析和解释任何流程中的数据，而该流程比迄今为止的流程更加敏捷和高效。但是真正的附加值是系统提供的信息。 Guimerà解释说：“例如，在医学中，如果您必须根据数据做出决定，那么了解为什么要做出每个决定以及犯错的风险非常重要。” “尽管该算法还表明它是高度准确的，但是最重要的是您可以理解结果，因为您已经建立了一个机器科学家，可以在没有任何先验知识的情况下获取一组数据并开发出一种理论来解决造成的问题。”研究小组的另一位研究员Ignasi Reichardt补充道。
在这项研究中，该算法已与URV机械工程系的流体力学与湍流实验，计算和建模研究小组合作，被应用于流体物理学的一个基本问题。