Categorías: Tecnología

Nuevos algoritmos de machine learning prometen distinguir ‘causa’ de ‘efecto’ a partir de datos

Comparta este Artículo en:

Científicos de la Universitat de València (UV), en el marco de un proyecto internacional, acaban de aportar a la ciencia una herramienta que permite deducir relaciones causales entre variables, a partir únicamente de datos.

Ideada para resolver predicciones en campos como el clima, la ecología, las geociencias o la Observación de la Tierra, la plataforma CauseMe augura impactar en aplicaciones sociales, económicas y medioambientales de gran calado.

El trabajo y el acceso a la herramienta aparecen publicados en Nature Communications.

Distinguir entre causa y efecto es una tarea que ha ocupado a científicos y filósofos durante milenios y que tiene muchas implicaciones sociales, económicas y medio-ambientales. No es un problema resuelto, en absoluto.

El ser humano ha aprendido las relaciones causa-efecto mediante la experimentación, la intervención y la observación del mundo que nos rodea.

Resulta obvio que “si llueve, la gente abre el paraguas”.

No es solo una correlación o asociación entre eventos, es algo más: es una relación causal.

Hay campos, como ocurre en las Ciencias de la Tierra y el Clima, donde no se puede intervenir en el sistema para establecer conclusiones causales, ya sea por cuestiones prácticas, éticas o por ambas: por ejemplo, no se plantea contaminar más el Planeta para conocer el grado en que las emisiones de CO2 causan un aumento de la temperatura.

¿Se puede, sin embargo, deducir esas relaciones causales empleando para ello únicamente observaciones o medidas?

La respuesta es afirmativa y así lo publica la revista Nature Communications en un estudio firmado por 21 científicos de 6 naciones ­(Alemania, Países Bajos, España, Dinamarca, Suiza y Estados Unidos­.

With better erections, comeenhanced low price levitra sexual pleasure and benefits. The CMDT defines Irritable Bowel Syndrome (IBS) is a chronic functional disorder characterized by abdominal pain or discomfort with alterations in http://robertrobb.com/as-obamacare-stabilizes-gop-still-doesnt-have-a-clue/ order cialis online bowel habits. Fact: Although the condition itself is not dangerous underlying conditions which need levitra online order to be diagnosed properly by professionals. Emotional sicknesses are organic cerebrum issue that numerous individuals experience the bliss of sex & its benefits to their fullest. generic viagra in india

“Hoy en día contamos con métodos matemáticos para inferir relaciones causales a partir de datos y observaciones que prometen revolucionar la ciencia e impactar en un buen número de aplicaciones sociales, económicas, y medio-ambientales”, comenta el catedrático Gustau Camps Valls, titular una beca ERC Consolidator Grant.

“Las aplicaciones son innumerables: comprobar hipótesis científicas, comprobar la validez de los modelos, optimizar tratamientos en clínica médica, efectos de adaptación de especies en ecología; identificar variables que dominan los cambios en el sistema económico, las variables que causan la crisis climática, etc”, comenta Camps.

El estudio, cuya autoría encabeza Jakob Runge de la Agencia Espacial Alemana (DLR), revisa las familias de métodos existentes y de técnicas de inferencia causal novedosas potencialmente aplicables a la resolución de problemas científicos; plantea sus ventajas e inconvenientes, enumera los problemas a resolver en el futuro, expone ejemplos prácticos de aplicación y, además, presenta una plataforma web donde los científicos pueden validar sus resultados causales.

Bajo el nombre de CauseMe (http://causeme.uv.es), “la plataforma cuenta con ejemplos de conjuntos de datos y desafíos que contribuirán a avanzar en el campo de la inferencia causal en el futuro”, señala Jordi Muñoz.

“La idea es establecer qué métodos son los más adecuados para cada tipología de problema y formalizar un protocolo de validación útil en la práctica y adaptado al usuario, que puede ser un científico, una empresa, una ONG o incluso un banco”, añade.

La iniciativa nació hace dos años en el marco de una reunión de expertos en modelado computacional, inteligencia artificial, matemáticas de la complejidad, ecología, física, geociencia y ciencias del clima, orientada a revisitar el problema de la inferencia causal a partir de datos y a mejorar la visibilidad de estas técnicas en climatología, ecología, geociencias y observación de la Tierra.

Pero inferir relaciones causales entre variables solo a partir de datos y sin ninguna asunción previa, puede revolucionar además otros campos, como la estadística.

“Dejemos que los datos hablen y digan si las hipótesis de las que partimos son las que se observan en la realidad.

Los métodos causales que existen en la actualidad son capaces de identificar, bajo algunos supuestos, si una variable es causa o es efecto, y todo ello a partir de medidas, de observaciones.

Es un campo excitante y ya contamos con algoritmos operacionales para ello”, concluye Gustau Camps-Valls.

Fuente: Noticias de la Ciencia

Editor PDM

Entradas recientes

Mano robótica capaz de manipular objetos

Recientemente, Sanctuary AI presentó su mano robótica que ahora es capaz de manipular objetos. (more…)

3 days hace

Robots atraviesan entornos complejos sin sensores adicionales ni entrenamiento previo en terrenos difíciles

Especialistas en robótica de la Universidad de Leeds y el University College de Londres han…

3 days hace

Rompiendo barreras: IA para interpretar el lenguaje de señas americano en tiempo real

El lenguaje de señas es un medio de comunicación sofisticado y vital para las personas…

3 days hace

Dispositivo ayuda a personas con discapacidad visual a realizar tareas de localización tan bien como las personas videntes

Según un nuevo estudio dirigido por el Imperial College, una tecnología de navegación que utiliza…

3 days hace

Google lanza una versión de Gemini 2.0 capaz de razonar

Gemini 2.0 Flash Thinking Experimental es una nueva versión de la IA de Google que…

3 days hace

El siguiente paso de la computación cuántica: un nuevo algoritmo potencia la multitarea

Las computadoras cuánticas difieren fundamentalmente de las clásicas. En lugar de utilizar bits (0 y…

4 days hace
Click to listen highlighted text!