Idean método para que los computadores hagan descubrimientos científicos por sí solos

Unos investigadores del campo de la computación han ideado un método para que los computadores estimen similitudes entre flujos de datos, sin intervención humana.

Este sistema de procesamiento de la información podría conducir a descubrimientos científicos automáticos, es decir hallazgos hechos por computadores y no por seres humanos, o al menos no directamente.

Un secreto poco conocido de la minería de datos es que es poco probable que se obtengan resultados útiles solamente suministrando datos en bruto a un algoritmo de análisis de datos.

Desde el reconocimiento del habla hasta la identificación de estrellas inusuales, los descubrimientos nuevos a menudo comienzan con la comparación de secuencias de datos a fin de encontrar conexiones y captar valores atípicos.

Pero la mayoría de los algoritmos actuales de comparación de datos tienen un gran punto débil: En algún momento, un experto humano tiene que especificarles qué aspectos de los datos son relevantes para la comparación, y cuáles no.
The wise decision before taking any drug should viagra prescription buy be used only to treat or prevent infections that are proven or strongly suspected to become triggered by bacteria. A research says that almost every second man levitra online australia faces erectile dysfunction. The tablet starts dissolving into the blood stream after 30 minutes. discount here on line levitra If men order levitra do not respond to oral medications, they may try other treatment options.
El problema es que la cantidad y la complejidad crecientes de los conjuntos masivos de datos, que los expertos etiquetan a menudo con la expresión inglesa “Big Data”, están superando la capacidad de revisión de los propios especialistas.

El método creado por Hod Lipson, de la Universidad Cornell en Ithaca, Nueva York, y por Ishanu Chattopadhyay, ahora en la Universidad de Chicago en Illinois, ambas instituciones en Estados Unidos, podría permitir analizar observaciones cada vez más complejas, especialmente cuando los expertos no saben qué buscar.

Lipson y Chattopadhyay han demostrado la aplicación de su método a datos de problemas del mundo real, incluyendo la desambiguación de patrones de electroencefalograma de pacientes con epilepsia, la detección de actividad cardiaca anómala en registros cardiacos, y la clasificación de objetos astronómicos a partir de datos en bruto de fotometría.

Fuente: Noticias de la Ciencia