It-modeller bliver stadig mere avancerede i takt med, at computerne bliver kraftigere. Intelligente computere, der lærer af arbejdet, fortsætter selv med at finjustere datamodellen undervejs for at gøre den mere præcis og skabe større nøjagtighed.
Ved en såkaldt prædiktiv modellering kan man afprøve forskellige tiltag eller kampagner uden at risikere store bommerter i den virkelige verden. Man kan eksempelvis teste respons på en reklamekampagne.
Computeren lærer ud fra positive og negative resultater, finder sammenhænge og forklarer, hvorfor det vil blive et bestemt udfald.
En effektiv metode til at udvikle gode it-modeller er genetisk programmering (GP). Her bruges Darwins princip om naturlig selektion til hurtigt at fremavle forbedret udfald.
I et svensk projekt analyseres golfsvingene fra 500 golfspillere for at finde ud af, hvad der adskiller et godt golfsving fra et dårligt, så det bliver muligt automatisk at foreskrive skræddersyede træningsøvelser for individuelle golfspillere baseret på deres sving.
Det er den svenske it-forsker Rikard König ved Högskolan i Borås, som har udviklet teknikken for at tilpasse GP til prædiktiv modellering.
»Da GP er en beregningstung teknik, har den historisk haft en relativ begrænset udbredelse. Men det er ikke noget problem længere, da computerne er blevet tilpas kraftige,« siger Rikard König til forskning.no.
Starter med tusind tilfældige modeller
Med genetisk programmering kombineres to lovende it-modeller for at skabe en børnegeneration, der arver de gode egenskaber fra begge forældrene – og rendyrkes derefter videre gennem de efterfølgende generationer.
Man kan begynde med tusind tilfældige modeller og lade dem konkurrere med hinanden. For hver runde beregner man, hvor mange af modellerne der slår fejl på kendte eksempler, hvor man allerede kender løsningen, forkaster de dårligste og sidder tilbage med en naturlig selektion, som derefter afprøves i nye runder.
Til sidst ender man op med en model, som er tilstrækkelig nøjagtig.
Evolution er en kraftig metode
»Det fascinerende er, at evolution er en kraftig metode, hvis man vil gennemsøge alle mulige løsninger,« siger Rikard König.
»Vi kan for eksempel bruge blodtests fra 100 patienter, hvor vi allerede har foretaget diagnoser. Ud fra disse kendte eksempler udvikler vi derefter en model ved hjælp af GP, som skal beregne så få fejl som muligt.
»Hvis patientgruppen er repræsentativ, kan modellen bruges til at stille diagnoser for nye patienter. Ofte behøver man så kun en brøkdel af de tests, som ellers ville have været nødvendige for at lave it-modellen.«
Kæmper med komplekse modeller
Men et af problemerne med GP-teknikken er, at den kæmper med at tackle meget komplekse modeller. Da GP søger over alle mulige løsninger og antallet af potentielle løsninger mangedobles, når modellen bliver mere kompleks, kan arbejdet gå hen og blive uoverkommeligt.
Dette problem mener Rikard König, at han nu har løst med hybridteknik, hvor han kombinerer GP og traditionel metode.
»Løsningen er at introducere stærke og nøjagtige modeller lavet med traditionel prædiktiv teknik ind i en generation for at styre søgningen i en lovende retning,« siger han.
Der er som udgangspunkt ikke nogen grænser for, hvad man kan analysere med GP-modellering. Udover golfsvingsanalyserne arbejder Rikard König for tiden med Scania på et projekt, hvor data fra tusindvis af lastbiler analyseres for at finde ud af, hvordan chauffører påvirker brændstofforbruget.
»Som alle prædiktive teknikker kan GP bruges på vidt forskellige områder – så længe der findes tilstrækkelig med data på det, man vil studere,« siger Rikard König.
© forskning.no Oversat af Anna Bestle
