استخدام البيانات الضخمة للتنبؤ بالمستقبل

أخذت التقنية قفزات هائلة وتجاوزت الحدود, ومعها المعلومات التي يتعامل معها المجتمع يوميا. ورغم ذلك, ينبغي تنظيم حجم البيانات وتحليلها للتنبؤ بأنماط معينة. هذه واحدة من الوظائف الرئيسية لما يعرف بـ " البيانات الضخمة " , الكرة البلورية للقرن الحادي والعشرين, التي ستكون باستطاعتها التنبؤ بالاستجابة إلى علاج طبي محدد , عمل مبنى ذكي , و حتى سلوك الشمس بناء على متغيرات معينة. تمكن الباحث في مجموعة KIDS البحثية من قسم علوم الحاسب والتحليل العددي بجامعة قرطبة من تحسين النماذج التي تتنبأ بالعديد من المتغيرات المتزامنة على أساس نفس متغيرات الإدخال , والتي تؤدي إلى التقليل من حجم البيانات اللازمة للتوقع بشكل دقيق . أحد الأمثلة على هذا الأسلوب الذي يتنبأ بالعديد من المعايير المتعلقة بجودة التربة على أساس مجموعة من المتغيرات مثل المحصول المزروع , طريقة الحرث , واستخدام المبيدات . يقول الباحث سيباستيان فينتورا Sebastian Ventura أحد مؤلفي المقالة : " عندما تتعامل مع كمية ضخمة من البيانات يوجد حلان : إما أن تزيد من أداء الكمبيوتر , وهو أمر مكلف للغاية , أو تقلل كمية المعلومات المطلوبة للعملية لكي يتم عملها بالشكل الذي ينبغي " . عند بناء نموذج تنبؤي , هناك مسألتان تحتاج للتعامل معها : عدد المتغيرات التي تدخل في عين الاعتبار , وعدد الأمثلة التي يتم ادخالها في النظام للحصول على النتائج الأكثر موثوقية. مع فكرة أن الأقل هو الأكثر , تمكنت الدراسة من تقليل عدد الأمثلة , من خلال استبعاد الأمثلة الزائدة عن الحاجة و " المزعجة " , والتي لا تساهم في بأي معلومات مفيدة لانشاء نموذج تنبؤي أفضل . يقول المؤلف أوسكار رييس Oscar Reyes , قائد فريق تأليف البحث : "لقد طورنا تقنية يمكن أن تخبرك بمجموعة الامثلة التي تحتاجها حتى لا تكون التوقعات موثوقة فحسب , بل يمكن أن تكون أفضل أيضا " . في بعض قواعد البيانات , من بين ١٨ قاعدة بيانات تم تحليلها , تمكنوا من كمية المعلومات بنسبة ٨٠٪ دون التأثير على الأداء التنبؤي , مما يعني أنه تم استخدام أقل من نصف البيانات الأصلية . كل هذا , كما يقول رييس : " هذا يعني توفير المال والطاقة في بناء نموذجي , بقدر ما تكون القوة الحاسوبية أقل ضرورة " . بالإضافة إلى ذلك , فإنه يعني توفير الوقت , وهو أمر مثير للاهتمام للتطبيقات التي تعمل في الوقت الحقيقي , حيث " من غير المنطقي أن يستغرق نموذج ما نصف ساعة للتشغيل إذا كنت بحاجة إلى توقع كل خمس دقائق " . كما أوضح مؤلفو البحث , فإن هذه الأنظمة التي تتنبأ بالعديد من المتغيرات في وقت واحد ( والتي يمكن أن تكون مرتبطة ببعضها البعض ) , بناء على العديد من المتغيرات - المعروفة بـ نماذج الانحدار متعدد المخرجات - تكتسب أهمية ملحوظة بسبب الانتشار الواسع لمجوعة التطبيقات التي " يمكن تحليلها في إطار هذا النموذج للتعليم الآلي " , على سبيل المثال : تلك المتعلقة بالرعاية الصحية ,وجودة المياه , وأنظمة التبريد للمباني , والدراسات البيئية . مصدر المقالة : https://www.sciencedaily.com/releases/2018/11/181109101444.htm