Kiemelt kép: Envato/Elements
A vizuális analitika tudománya közös nevezőre hozza az adatelemzést és az adatmegjelenítést, vizualizációt. A technika jelentősen növeli logikailag összetett tevékenységek, például a következtetés vagy az adatvezérelt döntéshozás hatékonyságát. Minél interaktívabb az adatok képi megjelenítése, annál eredményesebben elemezhetők, mutathatók ki bennük mintázatok, sajátosságok, trendek.
Nagy mennyiségű, bonyolult adatsorok esetében a képi elemzés különösen célravezető eljárás. A big data korában pedig kifejezetten előnyös, mert míg az adatdömping által felvetett problémák kezelése korábban szinte csak a tudományra és a kormányzati szektorra korlátozódott, addig ezek a problémák ma már az élet szinte minden területét átszövik. Az elemzőtechnika segítségével az érthetetlen, rejtélyes és unalmas massza színes, látványos és interaktív adatképekké, képsorokká alakítható át.
A Higgs-bozon nyomában
Az emberi agy egyik sajátossága, hogy hihetetlenül nagymennyiségű képi információban is meg tud figyelni különféle tulajdonságokat. Ezt a képességünket például nagy adatmasszákat intelligenciánk számára érthető formába tömörítjük. A méretcsökkentés problémája fontos szerepet játszik a vizuális analitikában.
A Higgs-bozon (Kép: Envato/Elements)
A Finn Mesterséges Intelligencia Központ (FCAI) és két helyi felsőoktatási intézmény, az Aalto és a Helsinki Egyetem kutatói a legismertebb vizuális analitika módszereket tesztelve, megállapították, hogy egyik sem működik, ha az adatok mennyisége szignifikáns mértékben nő.
A részecskefizikából ismert Higgs-bozon (vagy Higgs-részecske) felfedezéséhez is kapcsolódó adatsort használták a kísérletekhez, ám ez az adatsor rengeteg paraméterrel rendelkezett, és az adatok képi megjelenítése összevissza gubancokra emlékeztetett, semmit nem mutatott meg az adatokban szereplő részecskék viselkedéséből, jellemzőikből. A kutatók gyorsan levonták a következtetést: a mai mesterségesintelligencia-alkalmazások grafikai gyorsítást használó ideghálóihoz hasonló új módszert kell kidolgozniuk.
Kvantumugrás az adatmegjelenítésben
Az általuk fejlesztett mesterségesintelligencia-algoritmus rendeltetése a vizualizáció, hogy az ember által könnyen megfigyelhető, értelmezhető nagy adatklaszterek és más makroszkopikus jellemzők a lehető legváltozatosabbak legyenek.
Adatmegjelenítés (Kép: Envato/Elements)
A teszteken kiderült, hogy az algoritmus önmagától gyakran ugyanazt, vagy nagyon hasonló megoldást választott, mint az ember, és jól is teljesített. Amikor a technikát a Higgs-bozon adataira alkalmazták, egyértelműen kimutatta azok legfontosabb fizikai jellemzőit.
Az FCAI szerint ez óriási előrelépés, „kvantumugrás” az adatvizualizációban: technikájuk különösen komoly kihívást jelentő alkalmazásokban nagyságrendekkel gyorsabb, és megbízhatóbb is, mint az eddigi módszerek. Lehetőségeit bővítve, genetikai (egész pontosan: genomikai) alkalmazásokra is fejlesztettek egy interfészt.
