2020年羅維拉維吉利大學,開發了一種新的 人性化演算法 ,可以自動識別數學模型,不僅可以提高預測的可靠性,還可以像科學家那樣為理解資料而提供資訊。現在 人性化演算法 可以預測誰是接受器官移植的最佳人選,知道銀行的客戶是否會歸還貸款,選擇最符合消費者利益的電影。

 

 人性化演算法 的進化

數學演算法不斷地分析數以百萬計的資料,透過識別模式,去對生活的各個領域做出預測。但在大多數情況下,結果只是給出了一個無法解釋的封閉預測,而且準確性經常受到原始資料偏差的影響。現在,一個團隊的研究小組(實驗室的化學工程系大學•羅維拉我Virgili ICREA)做出了突破與發展的一個新演算法,該演算法更準確的預測,並生成數學模型。這項研究的結果今年發表在《科學進展》雜誌上。

 

人性化演算法的專業、科學、數學

論文的作者之一瑪爾塔•薩萊斯-帕爾多(Marta Sales-Pardo)解釋說:“我們研究的目地,是創造出一種所謂的科學機器人,這種演算法可以應用研究人員在解釋資料時,所掌握的知識和專業技能。該演算法提供的結果具有可解釋性的特點。這就好像有人起了一項,關於正在研究的體系的法律或理論。該演算法為你提供了它所分析的變數之間的數學關係,而且是完全獨立的分析。

 

人性化演算法,從數據中找到關鍵

當一家公司擁有著大量且可利用的資料數據時,其資料可以通過雇用某專業能力嘗試出各種模型、提出公式,並通過實驗驗證哪種方法最有效來實現。這將導致出一個數學公式,使它有可能可建模的系統,但它卻也是同時涉及大量的時間和金錢的投資。另一種可能性是找到機器學習的專家,原由機器學習是人工智慧領域的一門科學學科,它創建的系統可以識別大量資料集中的複雜模式,透過自動學習,並產生一個可以做出預測的模型。然而,這些系統沒有提供其他更多的資訊,所以如果預測失敗,便無法知道錯誤在哪裡,或需要做什麼來防止它。而URV開發的演算法充分利用了這兩種情況的優點,它像機器學習系統一樣自動、快速、可靠地處理資料,並且生成可解釋的模型。

人性化演算法 可用於分析和解釋來自任何規程的資料,其流程比現有的流程更加靈活和高效。但是真正的附加價值是系統提供的資訊。Guimera解釋說:“例如,在醫學領域,如果你必須根據資料做出決定,那麼瞭解每個決定的原因和犯錯的風險是非常重要的