Nie zuvor hat das Thema die mathematische Modellierung wurde so prominent in den Nachrichten. Das Interesse an den Techniken verwendet, um vorherzusagen, die Entwicklung der Corona-Virus-Pandemie war, einen neuen focus vor kurzem, als der bekannte Neurowissenschaftler Karl Friston befürwortet mithilfe des sogenannten generativen oder dynamischen Modellen.
Inspiriert von dem Physiker Richard Feynman-Zitat, „Was kann ich nicht schaffen, ich verstehe nicht“, generative Modelle könnten angeblich erlauben, uns zu „Blick unter die Motorhaube“ und erfassen die mathematische Struktur der Pandemie, und zu folgern, seine Ursachen.
Friston ist ein Forscher, der einen beeindruckenden track record, zitiert andere Wissenschaftler, die zwei und eine halbe mal so viel wie der mit dem Nobelpreis ausgezeichneten Feynman. Friston ist das Modell prognostiziert, dass die Zahl der neuen COVID-19 Fälle, in London würde peak am 5. April und Todesfälle würden peak am 10. April, nur zwei Tage, nachdem die Daten legen nun nahe der eigentlichen Gipfel aufgetreten. Auch er behauptet, sein Modell ausgeführt werden können, von Anfang bis Ende in einer Angelegenheit von Minuten, während herkömmliche Modelle „nehmen Sie einen Tag oder mehr mit den heutigen computing-Ressourcen“.
Das alles klingt beeindruckend, aber ist es vielleicht zu gut um wahr zu sein? Wissenschaftler geäußert haben, die beide Intrigen und Skepsis an diesem Neurobiologe und den Vorschlag der Verwendung von Modellierungs-Ideen aus der Physik auf dem Gebiet der Epidemiologie, nicht zuletzt durch seine Verwendung des Begriffs „dunkle Materie“ zu beschreiben, unbekannten Faktoren in das Modell. Lassen Sie uns einen schnellen Blick unter die Motorhaube.
Was ist ein generatives Modell?
Der einfachste Weg, um zu erklären, ein generatives Modell zu beginnen ist viel einfacher „Einbau-Modell“. Dies beinhaltet im wesentlichen die zeichnen alle Datenpunkte, die Sie haben (zum Beispiel die Anzahl der Todesfälle von COVID-19 pro Tag) auf einer Karte und mit Hilfe der Mathematik zu arbeiten, wo eine gekrümmte Linie, die am besten passt Ihre Muster. Sie können dann fortsetzen, die Kurve für die Prognose zukünftiger Daten-Punkte. Das Weiße Haus wurde vor kurzem kritisiert, für die Verwendung eines solchen Modells zu prognostizieren einen Rückgang der COVID-19 Sterberate.
Ein generatives Modell in ähnlicher Weise beginnt, mit den vorhandenen Daten Punkte, sondern umfasst auch eine Beschreibung der möglichen Ursachen für diese Punkte und wie Sie zusammenhängen. Anstatt einfach die passende eine Linie bis zu dem Punkte, den das Modell verwendet eine Technik namens Bayes ‚ sche Inferenz, um anzugeben, welche Variablen in seine Berechnungen und in welchem Umfang, basierend auf einem Verständnis der Wahrscheinlichkeiten im Zusammenhang mit den Daten.
Sie können dann diese Modell-Spezifikation zu produzieren, die eine Prognose durch die Generierung neuer Daten Punkte, aber Sie können es auch verwenden, um herauszufinden, welche möglichen Faktoren haben einen starken Einfluss auf die Ergebnisse. Solche Modelle werden zum Beispiel genutzt, um zu helfen, die in der funktionellen Kernspintomographie des Gehirns oder Modell Populationen von Neuronen.
Also wie gut funktioniert Friston ist die generative Modell wirklich Prognose der Pandemie? Die Schlagzeile Ergebnis richtig voraussagen der peak von neuen Fällen in London am 5. April klingt beeindruckend, aber es ist ein wenig irreführend. Wenn Sie sorgfältig Lesen, Friston und Kollegen Papier, können Sie sehen, dass Sie diese Vorhersage am 4. April, nur einen Tag im Voraus.
Und leider, das Modell mispredicts alle späteren Daten-Punkte. Es prognostiziert 14,000-22,000 Todesfälle in Großbritannien von Anfang Juni (wir haben tatsächlich verzeichnete rund 40.000), und dass wir haben sollten, hatten weniger als 200 Fällen pro Tag in den letzten zwei Wochen, während die reality checks in über 1.500 pro Tag.
Schließlich, das Modell sagt Voraus, dass man in jeder vier bis fünf bestätigte Fälle führt ein Tod, der hätte entweder zu COVID-19 fast so tödlich wie Ebola, oder bedeutet, dass nur einer von etwa 20 Menschen, die fangen die Krankheit tatsächlich bestätigt, die an diesem Punkt scheint mir sehr unwahrscheinlich. Um zusammenzufassen, ist es eine ziemlich erschreckende Prognose.
Während aber das Modell hat Schwächen, Friston die Idee der generativen Modellierung hat einen entscheidenden Vorteil. Es ist von Natur aus ausgestattet ist, um unsicheren Annahmen, so können Sie ganz einfach erzeugen Ergebnisse mit Unsicherheit reicht die zimmerreserviereung, ohne das ausführen von Simulationen, viele Male.
Dies steht im Gegensatz, zum Beispiel, mit dem viele runs gebraucht für den COVID-19-Simulationen meine Kollegen und ich getan haben, als Teil des HiDALGO-Projekt. Das heißt, alle Simulationen, die ich versucht habe zu laufen, einschließlich der COVIDSim Modell entwickelt, durch das Imperial College London, die verwendet wurde, zu informieren, die die britische Regierung Politik beenden kann, auf einem einzigen supercomputer-Knoten in einer Stunde oder weniger.
Mehr Daten benötigt
Im Allgemeinen, die Prinzipien der generativen Modellierung kann ein effektiver Weg, um zu bestimmen, wie verschiedene Ursachen könnten dazu beitragen, die simulation Ergebnis. Für dieses, das konzeptionelle Modell muss alle relevanten Ursachen, und die Trainingsdaten Bedürfnisse zu decken, genug relevante Aspekte zu fassen, die wichtigsten Verhaltensweisen.
Mit diesem im Verstand, ist es erwähnenswert, Friston Behauptung, in Deutschland hat weniger COVID-19 Todesfälle, weil es mehr „immunologische ‚dunkle Materie‘ – Leute, die sind anfällig für Infektion, vielleicht, weil Sie geographisch isoliert oder haben eine Art natürlichen Widerstand“. Ich fand diese amüsante Aussage, nicht zuletzt als jemand, der es getan hat-Modellierung auf die tatsächliche dunkle Materie, die unbekannte theoretische Substanz verwendet, um Konto für die Lücken in unserem Verständnis von Materie im Universum.
Friston ist die generative Modell lässt mehr als 90% der Standorte relevant für die Untersuchung der übertragung der Krankheit, wie Schulen, Supermärkte, parks und Nachtclubs. Stattdessen werden in seinem Modell die Leute sind entweder zu Hause, bei der Arbeit, in einer Intensivstation oder in einer Leichenhalle.