在人工智能研究中,找到一种系统的方法来筛选数据,以找到一个病人特定病情的原因是一个主要的挑战。如果一个病人最近打喷嚏次数比平时多,是因为过敏原已经进入了他们的环境吗?或者他们感冒了?更糟的是,也许他们有癌性肿瘤在他们的鼻窦或大脑里。这当前系统因为在这种情况下寻找正确的答案是以人为基础的。医生提问,并在记忆中寻找答案。如果找不到,他们可以咨询其他医生,或者学习医学教科书或在线数据库。
这个系统有它的优点,当然,它是最好的。但是它也有缺点——它受到人类记忆和足智多谋的限制。许多计算机专家我相信有更好的方法——让电脑来做。目前这是不可能的,但是科学家们正在努力。在这项新的努力中,研究人员引入了一个系统算法分析来自不同的重叠数据集的数据,并发现因果关系。
该算法基于熵的概念,任何系统都会随着时间的推移变得更加无序。研究人员提出,熵也存在于数据集中的信息中,因果力量比描述其结果的数据更有序。在这种情况下,应该有可能反向寻找原因——而这正是他们的算法所做的。
当比较已知因果关系的数据集时,该系统能够正确评估乳腺癌肿瘤的大小和结构——它确定它们没有因果关系因果联系,但两者都是肿瘤是良性还是恶性的指标。
(转载:www.idcew.com)