Ha előre tudjuk, hogy a rendkívüli miben tér el a szokásostól, akkor könnyebb megalkotni egy olyan számítógépes algoritmust, amelyik megtalálja az eltérést. Csakhogy a rendkívüli események sokszor nemcsak rendkívüliek, hanem váratlanok is, ezért nem tudjuk előre, milyenek lesznek. Talán éppen azért nem, mert még csak hasonlót sem láttunk soha előtte.

Mintha egy unikornis tűnne fel előttünk az erdőben.

Ezzel a hasonlattal próbálta a hvg.hu-nak is közérthetően elmagyarázni Somogyvári Zoltán, Bábel Tamás és Benkő Zsigmond, hogy pontosan miről is szól az a tanulmányuk, amelyet a minap tett közzé a világ egyik legtekintélyesebb interdiszciplináris szakmai folyóirata, a Nature gondozásában megjelenő Scientific Reports. A három magyar kutató tehát egy olyan algoritmust hozott létre, amely képes felismerni azokat a bizonyos “unikornisokat”.

Fazekas István

A Wigner Fizikai Kutatóközpont, Komputációs Tudományok osztályán többek között ok-okozati elemzéssel is foglalkoznak a kutatók, köztük Somogyvári Zoltán és Benkő Zsigmond is. Somogyvári és Benkő egy ilyen adatelemzési kutatáson dolgozott, ám az egyik módszertanukkal kapcsolatban bebizonyosodott: ha valamilyen váratlan esemény történik, akkor a módszertan rövidzárlatos lesz. Ezután vetette fel harmadik társuk, a korábban az agysebészként is dolgozó Bábel Tamás, hogy fordítsák meg a dolgot: ha azt keresik, hogy hol lesz rövidzárlatos a módszertan, akkor megtalálják a váratlan eseményt. “Gyakorlatilag egy módszertan hibáját használtuk fel arra, hogy értéket teremtsünk” - magyarázta lapunknak Bábel, aki megtanult programozni, hogy tudja tesztelni ezt a hipotézist.

A kutatást összefogó Somogyvári Zoltán az egészségügyben használt EKG-t hozta fel példának, hogy megmagyarázza, mi az általuk fejlesztett algoritmus lényege. “Lehet olyan algoritmust írni és sokan írnak is, amibe beletápálják az összes ismert betegség jellemzőit, így kiderül például az, hogy ezek a jellemzők hogyan változtatják meg az EKG hullámait. Utána ezek az algoritmusok többé-kevésbé felismerik ezeket a jellemzket. De ezzel a módszerrel csak azt lehet felismerni, amiről már tudjuk, hogy milyen lesz, amikor bekövetkezik. A mi algoritmusunknak viszont éppen az a lényege, hogy olyan egyedi, váratlan dolgot ismer fel, amiről nem tudtuk előre, hogyan fog kinézni” - mondta Somogyvári, aki a fizikából is hozott példát.

Somogyvári Zoltán

Fazekas István

“Einstein megjósolta, hogy gyorsan mozgó hatalmas tömegek gravitációs hullámokat indítanak el és ezt detektálni lehet. Ennek az elvét negyven éve ismerjük, azóta finomítják az érzékenységét a detektoroknak, és már eljutottak oda az elmúlt két évben, hogy valóban látják a legerősebb ilyen jelenségeket. Az intézetünkben az elméleti fizikusok a pontos relativitáselméleti számításokkal megjósolták, hogyan kell ezeknek a gravitációs hullámoknak kinéznie, amikor két fekete lyuk pörög egymás körül és összeolvad. Ezen jóslatok alapján írtak detekciós algoritmusokat, amik meg is találták az első ilyen hullámokat. De lehetnek olyan események, mint például egy csillagrobbanás, egy szupernóva, amikor nincsenek ilyen pontos módszerek annak megállapítására, hogyan fog az a gravitációs hullám kinézni. A mi algoritmusunk erre is megoldás” - magyarázta.

Igaz, a módszernek van hátulütője is: “Amit az algoritmus talál, arról tudni fogjuk, hogy valamilyen szempontból egyedi, de előre nem tudjuk megmondani, hogy milyen szempontból egyedi. És azt sem feltétlen fogjuk tudni előre, hogy érdekes-e nekünk az, hogy az esemény milyen szempontból egyedi. Mert lehet, hogy az egy hiba lesz azon az adatsoron. De bármi is az, mindenképpen különleges, egyedi, váratlan" - mondta Somogyvári, hangsúlyozva: az már nem az algoritmus, hanem az ember dolga, hogy kiderítse, a különleges esemény hordoz-e valami fontos információt.

Benkő Zsigmond

Fazekas István

A programozást végző Benkő Zsigmond szerint az algoritmus már a kutatás legelején kiszűri a rendellenességet, ami akár életmentő is lehet, ha azt olyan területen alkalmazzák, mint például az egészségügy, ahol többször vannak olyan, szenzorokkal rendelkező gépekkel összekötve betegek, ahol folyamatosan lehet elemezni a szenzorok által gyűjtött adatsorokat. A szív működését figyelő EKG adaton a módszerük megtalálta az alvás során bekövetkező rövid légzésmegakadás, az apnoe jeleit.

A kutatók példaként említették a részecskegyorsítókat is, amelyek rendkívül komplex rendszerek, tízezres, százezres nagyságrendben tartalmaznak szenzorokat. Gyakran egy ilyen rendszernél a kutatók legfeljebb csak intuitív módon érezhetnek rá, ha valahol egy hiba történik, az algoritmus viszont alkalmas lehet arra, hogy figyelmeztessen. “Az algoritmusunk jelezheti a kutatók felé, hogy ugyan most semmilyen határértéket nem lépett át a rendszer, de valami rendkívüli történt, amit eddig még nem láttak” - magyarázta Somogyvári Zoltán.

Bábel Tamás

Fazekas István

“Én például lefuttattam ezt az algoritmust többször olyan, gazdasági jellegű adatokra, mint például az olajár, a szén-dioxid-termelés. Előtte ezekkel a területekkel nem foglalkoztam, nem ismertem ezeket az iparágakat. Az algoritmus kidobott különféle dátumokat, amelyeknél rendkívüli eseményeket észlelt. Ezeket beírtam a Google-ba és mindig bebizonyosodott, hogy azokban az időpontokban valami rendkívüli történt, ami nem volt nyilvánvaló. Ezt a példát azért hoztam fel, mert ez az algoritmus arra is jó, hogy ha nem értesz egy adott területhez, de például biztonsági elemzéseket készítesz és kíváncsi vagy arra, hogy történt-e valami negatív dolog, akkor meg fogja mutatni ezeket azokon a negatív eseményeken túl, amelyek ismertek” - mondott egy másik felhasználási példát Bábel Tamás. De példának hozta az okosórák által közvetített adatokat is, amelyek “unikornis” szűrése akár életeket is menthet.

Az algoritmus tesztelése több mint három éven át zajlott. A magyar felfedezés a hasonló algoritmusokkal foglalkozó kutatóknak is felkeltette érdeklődését, egy kanadai csoport pedig, amelyik gravitációs hullámok elemzésével foglalkozik, már alkalmazni is szeretné azt.