Cientistas do MIT criam ferramenta que prevê o futuro com precisão

Cientistas criaram uma ferramenta simples de usar que consegue prever eventos futuros com um elevado grau de precisão.

Uma equipa de investigadores do Instituto de Tecnologia de Massachusetts (MIT) criou uma ferramenta que permite a um utilizador sem experiência gerir sistemas complexos de Inteligência Artificial.

A ferramenta tem aplicação prática, por exemplo, na previsão da evolução do mercado de ações, no estudo do clima ou no cálculo da probabilidade de desenvolver doenças.

Para criar uma ferramenta preditiva é necessário fazer observações durante um determinado período de tempo. Depois, pega-se na montanha de dados obtidos e processa-se com a ajuda de algoritmos de machine learning.

O jornal El Confidencial escreve que esta nova ferramenta do MIT consegue simplificar ainda mais esta tarefa e permite fazer as nossas próprias previsões sem ter que passar pelo processo de aprendizagem da tecnologia.

No que toca a prever valores futuros e preencher lacunas de informação dentro de uma cadeia de dados, este novo algoritmo revela-se mais preciso e eficiente, salientam os investigadores.

A ferramenta chama-se tspDB e permite corrigir e substituir valores ausentes dentro de uma série de dados e prever séries temporais únicas.

“Embora os dados da série temporal estejam a ficar cada vez mais complexos, este algoritmo pode capturar efetivamente qualquer estrutura da série temporal. Parece que encontramos a lente certa para observar a complexidade do modelo de dados da série temporal”, diz o autor principal do projeto, Devavrat Shah, em comunicado.

Os investigadores calculam que com a tspDB, um utilizador consegue fazer uma pesquisa numa base de dados em menos de um milissegundo.

Assim, qualquer pessoa consegue em apenas alguns minutos, por exemplo, prever os preços futuros das ações mesmo que faltem alguns dados.

O objetivo agora é melhorar o algoritmo para que funcione também em séries temporais com múltiplas variáveis.

Os investigadores querem também adicionar mudanças pontuais no comportamento das séries de dados e que o sistema as detete automaticamente para incluí-las nas suas previsões.