Az optimális döntés titka: a legkisebb szükséges adat
Nem hagyható figyelmen kívül, hogy az MIT kutatói új algoritmusuk segítségével matematikailag is bizonyították: létezik egy legkisebb adathalmaz, amellyel garantáltan megtalálható az optimális megoldás bármilyen összetett, bizonytalan tényezőkkel terhelt probléma esetén. Ez az eljárás figyelembe veszi a probléma alapvető szerkezetét – például az útvonalak hálózatát, a költségvetési korlátokat és az ismeretlen, de feltételezett költségeket –, majd megmutatja, mely területeken kell mindenképpen adatot gyűjteni. Ily módon lényegesen kevesebb adat is elég az optimális döntéshez, mint amennyit a megszokott módszerek ajánlanának.
A módszer általánosan alkalmazható strukturált döntési problémákra, legyen szó villamosenergia-hálózatok optimalizálásáról vagy bonyolult ellátási láncok költségcsökkentéséről. A kutatócsoport vezetője, Asu Ozdaglar kiemeli: a mesterséges intelligencia gazdaságának egyik fő mozgatórugója az adat. A valódi problémák viszont szerkezettel rendelkeznek – ezt kihasználva jóval kevesebb adat is elégséges lehet, ha azt megfelelően választjuk ki.
Mire elég a kis adathalmaz?
A hagyományos megközelítés azt feltételezi, hogy már előre rengeteg adat áll rendelkezésre. Ezzel szemben az MIT kutatói azt a kérdést tették fel: mennyi és pontosan milyen adat szükséges az optimális megoldáshoz? A válaszhoz először pontosan definiálták, mit jelent az elégséges adathalmaz: minden lehetséges költségkészlet egyedi optimális döntést határoz meg, az ún. optimális régiók szerint. Az az adathalmaz tehát elégséges, amely képes eldönteni, hogy a valós költségkészlet melyik régióba esik.
Ennek alapján az általuk fejlesztett algoritmus képes meghatározni a minimális szükséges adathalmazt, legyen szó akár kapacitásokról, útvonalakról vagy költségekről; minden próba egy lépéssel közelebb visz az optimális döntéshez.
Gyakorlati alkalmazás: hogyan működik az új algoritmus?
A módszert úgy lehet használni, hogy a probléma szerkezetét, célját és elvárásait betápláljuk a rendszerbe, majd a meglévő ismeretek és bizonytalanságok mentén iteratívan eldöntjük, hogy szükséges-e újabb adatot gyűjteni. Például egy ellátási lánc optimalizálásakor elég kiválasztani azokat az útvonalakat, ahol a döntés kimenetelét még érdemben befolyásolhatja egy új mérés. Ha már nincs ilyen, az algoritmus kijelenti: az összegyűjtött adathalmaz bizonyítottan elég az optimális megoldáshoz.
Ezt követően ezekkel az adatokkal már egy másik algoritmus határozza meg a valóban legköltséghatékonyabb útvonalakat vagy döntési alternatívákat.
Tévhitek a “kicsi adathalmazról”
Nem hagyható figyelmen kívül, hogy a kutatók szerint a közhiedelemmel ellentétben a kis adatmennyiség nem feltétlenül vezet csupán közelítő megoldásokhoz. Tehát egészen kevés, átgondolt adat is elegendő lehet a teljes bizonyosságú optimális döntésekhez – matematikai bizonyítással. Arra törekednek, hogy a jövőben a módszerük más, még összetettebb problémákra is alkalmazható legyen, például zajos adatok vagy bizonytalan megfigyelések esetén.
A szakértők elismerik az új megközelítés eredetiségét és eleganciáját: teljesen új dimenziót nyit meg az adathatékonyságban, amikor az optimális döntések meghozataláról van szó.
