Szilárda
-4 °C
3 °C

Meglepetésmodellezéssel a váratlan események ellen

2008.03.09. 21:54
Hogyan készüljünk fel a felkészülhetetlenre? Az adatbányászatot és a gépi tanulást összekombináló, egyelőre gyerekcipőben járó meglepetés-modellezés nemcsak munkánkat teheti hatékonyabbá, hanem nem-kívánt események előrejelzésével sokat segíthet azok kezelésében.

Mit látunk a kristálygömbben?

Az előrejelzés vitatott tudománya egyre fontosabb szerepet tölt be életünkben. Valamennyien előszeretettel és izgalommal olvassuk a következő választásokról, tőzsdei mozgásokról vagy éppen a prózai időjárásról szóló prognózisokat. Egy döntő hiba azonban általában becsúszik: míg a jelenlegi számítógépes modellek sok eseményre viszonylag pontosan „ráéreznek”, a véletlent alig, de inkább egyáltalán nem tudják kezelni. Pedig a dolgok kiszámítható menetét szinte mindig megbolygatja, és előzetes terveinket felborítja valami nem várt, valami olyasmi, amire nem gondoltunk...

Viszont létezik egy számítástudományi módszer, a meglepetés-modellezés, amellyel a majdani károk, negatív következmények minimalizálhatók. „Csak” annyit kell tennünk hozzá, hogy visszatekintünk a múltbeli váratlan eseményekre, majd azok alapján elkészítjük a jövőre vonatkozó modellt. Persze nem valószínű, hogy így, a high tech kristálygömbbe nézve, megjósolnánk a következő terroristatámadás pontos menetét, esetleg a holnapi tőzsdekrachot percről percre, ugyanakkor a módszer rendkívül hasznos lehet – az egészségügytől a hadászati stratégiákig, a geopolitikától a pénzpiacig – különböző területek döntéshozói számára. Egyik technológia sem új, kombinációjukra és együttes alkalmazásukra azonban eddig még nem volt példa.

Seattle útvesztőiben

Az új kutatási területet leginkább a Microsoft 2003-ban indult számítógépeken és PocketPC készülékeken egyaránt működő – közlekedés-előrejelző, egyelőre főként Seattle forgalmát vizsgáló – SmartPhlow-ja szemlélteti. Egyelőre Természetesen a helybéliek nélküle is ismerik az útviszonyokat, azaz, ha csak monoton mondogatná egy géphang, hogy itt és ott van dugó, aligha használnák. Ennél azonban többet tud: váratlan torlódásokra, a dugók hirtelen megszűnésére, stb. figyelmezteti a vezetőket.

A meglepetések hatékony monitorozásához a gépnek egyrészt tudásbázissal, azaz az általunk váratlannak tartott jelenségek jó kognitív modelljével és előrejelző-képességgel kell rendelkeznie – magyarázza a Microsoft Adaptív Rendszerek és Interakció Csoportját (és egyben a SmartPhlow projektet is) vezető Eric Horvitz.

Kutatásaik legfőbb újítása az emberi tényezőre fókuszáló megközelítés, az a tény, hogy explicit módon próbálják modellezni az ember kognitív folyamatait.

Az adatgyűjtéstől az előrejelzésig

Munkájukat több évre visszatekintő hosszas adatgyűjtéssel kezdték. Nemcsak a közlekedésről, de az azt befolyásoló eseményekről – időjárásról, nyaralásról-telelésről, fontos személyek látogatásáról, sportrendezvényekről, stb. – is igyekeztek a lehető legtöbb információt összeszedni, majd feldolgozni.

Aztán az adott utat több részre, illetve a napot tizenöt-perces szegmensekre bontották, és az adatok segítségével minden egyes szituációra kidolgozták a forgalmi mutatókat. Ezt követően, visszafelé haladva az időben és az adatok között, olyan események után kutattak, amelyek jelentős mértékben eltértek az átlagos modelltől, és még a leggyakorlottabb vezetőket is meglepték. Adatbázisuk nemcsak bővült, hanem speciális információk tömkelegével is gazdagodott.

Mihelyst statisztikai anomáliát észleltek, harminc percet „visszamentek” az időben, és igyekeztek kideríteni, mikor történt a változás. Bayes-féle valószínűségen alapuló gépitanulás-algoritmusokkal kutattak a meglepetést előidéző minták után.

Mennyire általános a módszer?

Horvitz elégedett az eredménnyel. Plusz/mínusz ötszázalékos pontosságú adatok mellett SmartPhlow a Seattle-i forgalom váratlan eseményeinek legalább a felét képes prognosztizálni. (A rendszert jelenleg több mint ötezer Microsoft-alkalmazott használja mobiltelefonján. Egyesek tovább mentek, és saját preferenciáikhoz alakították.)

Jelenleg a SmartPhlow kereskedelmi forgalomba hozásán munkálkodnak. Egy komoly sikert már elértek: az INRIX (Kirkland, Washington állam) a Windows Mobil eszközökre közlekedési alkalmazásokat (Inrix Traffic) dolgozott ki: minimum néhány perces, maximum ötnapos előrejelzéseik az Egyesült Államok és az Egyesült Királyság bizonyos útjaira érvényesek.

Nagy kérdés, hogy az emberi cselekvések mennyire széles skálája modellezhető Horvitzék módszerével. Annak ellenére, hogy a SmartPhlow közlekedés-specifikus, a kutató szerint megközelítésük általános, és így számos más terülten szintén alkalmazható. Politológusokkal és pénzügyi szakemberekkel máris felvette a kapcsolatot. Ugyanakkor hosszútávban gondolkodnak, és óv a csodavárástól. Az alkalmazások nem máról holnapra fognak világszerte elterjedni.

Köszönjük, hogy olvasol minket!

Ha fontos számodra a független sajtó fennmaradása, támogasd az Indexet!