La tecnología de simulación de Improbable podría ayudarnos a construir mejores modelos de pandemia

hace 5 años

A finales de marzo, la Royal Society emitió un llamado de atención a los modelistas. A medida que la crisis del coronavirus apretó su control sobre el país, la academia de ciencias del Reino Unido estaba pidiendo a los investigadores y científicos de datos que se unieran en un esfuerzo por aumentar la capacidad del país para crear representaciones matemáticas de la pandemia.

En una declaración publicada en su sitio web el 29 de marzo, la Sociedad dijo que la "comunidad pequeña pero altamente efectiva" de modeladores de pandemias del Reino Unido estaba sobrecargada, ocupada creando modelos para informar la respuesta del gobierno. Según la Royal Society, era necesario contar con expertos en modelos de otras industrias, como la planificación urbana, las finanzas, el marketing y la meteorología, para aliviar esa sobrecarga al ofrecer voluntariamente su ayuda. Esa ayuda podría abarcar desde proporcionar consejos e ideas, examinar los modelos existentes, hasta asistencia con el diseño del software y el análisis de datos. El objetivo final era reforzar la potencia de fuego de modelado del Reino Unido para que el país pudiera salir del bloqueo.

"Necesitamos ayudar a nuestros modeladores de pandemias creando capacidad para explorar y optimizar posibles estrategias de salida", dijo la Royal Society en su declaración. Menos de una semana después, anunció que la respuesta de los voluntarios había sido "enorme".

La importancia de los buenos modelos para leer e interpretar la crisis que se desarrolla se ha hecho evidente en las últimas semanas, especialmente después de que los académicos cuestionaron la precisión de algunos de los modelos que guían la acción del gobierno, en particular los diseñados por el Imperial College de Londres. . Pero fue muy claro dentro del gobierno desde el principio. El 16 de marzo, el asesor principal del Número 10, Dominic Cummings, quien a menudo ha escrito sobre el uso de modelos y simulaciones para la formulación de políticas, presidió una reunión con más de 40 fundadores y ejecutivos de la industria de la tecnología, pidiéndoles que contribuyan al país. lucha contra la pandemia. Entre los invitados se encontraba un unicornio que se ha convertido en sinónimo de simulaciones y modelos: Improbable, con sede en Londres.

Fundada en 2012, Improbable se hizo un nombre al crear SpatialOS, una plataforma para desarrollar y alojar simulaciones digitales a gran escala de mundos enteros. Tales métodos se usan típicamente para crear videojuegos, especialmente multijugadores en entornos de mundo abierto. Pero la tecnología de Improbable también puede ayudar a comprender la movilidad de la ciudad simulando el tráfico de vehículos o para evaluar la incidencia del delito en un área determinada. La compañía también ha ayudado al ministerio de defensa de Gran Bretaña con la creación de simulaciones de juegos de guerra con fines de entrenamiento.

"Combinamos modelado científico, inteligencia artificial y análisis de datos para crear, esencialmente, una plataforma orientada a la simulación de entornos del mundo real", dice Joe Robinson, CEO improbable de defensa y seguridad. "El objetivo de todo esto realmente es mejorar la toma de decisiones y aumentar la efectividad de todas las actividades de preparación del gobierno al tiempo que reduce drásticamente el costo".

Robinson no será específico acerca de cómo la compañía está trabajando con el gobierno para enfrentar la emergencia del coronavirus, excepto que últimamente han estado "increíblemente ocupados". Una persona familiarizada con la reunión número 10 dice que Improbable ofreció poner a disposición su tecnología de simulación para ayudar al modelo de epidemia del gobierno.

Entonces, ¿cómo sería eso? Una de las especialidades de Improbable es el modelado basado en agentes. Esa es una técnica que crea simulaciones para cada elemento individual en un determinado entorno, como personas, automóviles o empresas.

"Estas [entidades modeladas] pueden ser civiles o instituciones, o incluso objetos inanimados, como una planta de energía", dice Christoforos Anagnostopolous, un científico principal de Improbable. "Eso permite extensiones muy rápidas, porque puedes acumular comportamientos a nivel del agente y luego pedirles a diferentes expertos que te digan cómo se comportaría el agente en diferentes circunstancias o diferentes aspectos de su comportamiento".

Imagine, por ejemplo, crear una simulación; piense en una especie de versión de baja fidelidad de Los Sims, solo masivo. Puede poblarlo con sesenta y seis millones de "agentes", sustitutos digitales para las personas, cada uno con sus patrones de movimiento, rutinas de trabajo, redes sociales y condiciones de salud, y luego adelanta la simulación para observar la progresión de la crisis del coronavirus. . Puede agregar un indicador que muestre cómo se propaga la infección con el tiempo. Además, puede ejecutar la misma simulación varias veces, cambiando las reglas que rigen el entorno, por ejemplo, podría cerrar las escuelas o prohibir grandes reuniones, y observar cómo se comporta el mismo entorno en diferentes condiciones.

Si estamos viviendo en una simulación, esta startup del Reino Unido probablemente la construyó

"Los modelos basados en agentes son particularmente buenos en situaciones en las que necesita modelar explícitamente las interacciones y el comportamiento de los componentes individuales de un sistema", dice Nick Malleson, profesor de ciencias espaciales en la Universidad de Leeds, que ha trabajado con Improbable. para estudiar patrones de crimen. “Creo que la razón por la que se han vuelto populares para [estudiar] la propagación de la enfermedad es que muy a menudo en una propagación de la enfermedad, es posible que necesite ver cómo interactúan las personas: cuando entran en contacto en las tiendas, cómo Las redes afectan cómo se mueven las personas, cómo se comportan, cómo interactúan, todo este tipo de cosas. "

Nigel Gilbert, profesor de ciencias sociales computacionales en la Universidad de Surrey y uno de los principales defensores del modelado basado en agentes, ofrece una advertencia. “Este tipo de modelos no harán predicciones precisas. Hay mucha aleatoriedad ", dice. “Eso significa algunas cosas: debe ejecutar el modelo muchas veces y luego obtener el promedio. Y eso sigue siendo una aproximación: obtendrá una idea de lo que podría suceder pero no de lo que sucederá. "

La investigación del Imperial College utiliza modelos individuales, una técnica similar a las simulaciones basadas en agentes. Lo que SpatialOS de Improbable trae a la mesa, dice Anagnostopolous, es ante todo su potencial para minimizar la fragmentación.

"En una pandemia, realmente desea poder asociar un modelo del brote en sí mismo: la infección, el modelo epidemiológico, con un modelo del impacto económico en las pequeñas empresas, así como posiblemente un modelo conductual de cumplimiento". él dice.

Pero a menudo, cada uno de esos modelos sería dirigido por diferentes investigadores que están interesados principalmente en una faceta particular del brote. Anagnostopolous dice que Improbable actualmente está trabajando "con una red muy grande de instituciones académicas" para abordar ese problema y permitir la fusión de diferentes modelos en un solo entorno simulado. La compañía también está trabajando para ayudar a los investigadores a actualizar sus modelos a medida que ingrese nueva información.

“Los modelos a menudo se construyen con un cierto tipo de situación en mente. Y cuando la crisis realmente estalle, algunos de estos supuestos básicos serán diferentes. Y reutilizar un modelo es bastante difícil ”, dice Anagnostopoulous. "Ahora, estamos tratando de ofrecerles herramientas que puedan usar para ayudar a asimilar la evidencia a medida que se acumula".

Por supuesto, para actualizar las simulaciones de manera significativa, los nuevos datos deben ser abundantes y confiables, y ese no es siempre el caso en las circunstancias actuales, como lo demuestran los informes sobre prácticas de recopilación de datos en China o Italia. Pero, explica Anagnostopolous, el modelado basado en agentes no es la única forma en que las simulaciones pueden ayudar a expertos e investigadores a entender la crisis del coronavirus. Por ejemplo, los modelos probabilísticos, que permiten tener en cuenta una mayor aleatoriedad, podrían necesitar menos datos y aún así proporcionar información útil.

"Al confiar en técnicas como el modelado probabilístico, que permiten capturar mucha incertidumbre en el modelo, usted puede producir pronósticos o posibles resultados en contrafactuals que capturan tanto lo que sabe como lo que no tiene". No sé ", dice Anagnostopolous.

“Nuestra plataforma puede admitir ambos tipos [de simulaciones] y, de hecho, interacciones entre estos dos tipos de modelos. Estamos trabajando muy duro para admitir la mayor variedad posible. "

Gian Volpicelli es editor de política de Mundo Informático. Él tuitea desde @Gmvolpi

Cobertura de coronavirus de Mundo Informático

? ¿Cómo comenzó el coronavirus y qué sucede después?

❓ El esquema de licencia de retención de trabajo del Reino Unido, explicado

? ¿Puede Universal Basic Income ayudar a combatir el coronavirus?

? Los mejores videojuegos y juegos de mesa para parejas autoaisladas

? Siga Mundo Informático en Gorjeo, Instagram, Facebook y LinkedIn

Si quieres conocer otros artículos parecidos a La tecnología de simulación de Improbable podría ayudarnos a construir mejores modelos de pandemia puedes visitar la categoría Otros.

Otras noticias que te pueden interesar