Ingenieros del MIT crean algoritmo SURD para analizar causalidad en sistemas complejo

La herramienta innovadora permite mapear interacciones en disciplinas como biología, neurociencia y cambio climático

Un equipo de ingenieros del Instituto Tecnológico de Massachusetts (MIT) desarrolló un algoritmo pionero, denominado SURD, que facilita la detección de relaciones causales en sistemas complejos y altamente interrelacionados. Este avance, liderado por los investigadores Álvaro Martínez-Sánchez, Adrián Lozano-Durán y Gonzalo Arranz, está diseñado para identificar cómo diversas variables se influyen mutuamente, incluso en entornos donde múltiples factores interactúan de manera no lineal y compleja.

SURD fue creado para analizar sistemas de datos longitudinales y mapear las conexiones causales entre variables en una amplia gama de disciplinas. Según Martínez-Sánchez, "la importancia de nuestro método radica en su versatilidad en distintas disciplinas", lo que permite su aplicación en áreas que abarcan desde la evolución de especies hasta el análisis del cambio climático y las redes neuronales. SURD emplea una serie de algoritmos para producir un "mapa de causalidad" que visualiza las relaciones entre variables, distinguiendo entre conexiones sinérgicas y redundantes.

El algoritmo clasifica como sinérgicas aquellas relaciones en las que una variable influye en otra solo en combinación con una tercera. Por otro lado, identifica las relaciones redundantes, en las que diversas variables impactan de manera similar a una misma variable objetivo. Este tipo de mapeo es crucial para reconocer las interacciones más significativas en sistemas complejos, facilitando así un análisis más preciso y relevante.

Una de las principales innovaciones de SURD es su capacidad para estimar la "fuga causal", la cual indica en qué medida el comportamiento de un sistema no se explica solo con las variables observadas. Adrián Lozano-Durán detalla que el método permite detectar la necesidad de incluir variables adicionales para entender completamente el sistema: "Parte de nuestro método detecta si falta algo. No sabemos qué es lo que falta, pero sabemos que necesitamos incluir más variables para explicar lo que sucede".

Al poner a prueba SURD en escenarios de referencia como interacciones depredador-presa y cambios climáticos, el algoritmo logró identificar patrones causales de manera confiable, incluso en contextos con factores múltiples y variables interdependientes. A diferencia de otros métodos que solo funcionan en situaciones específicas, SURD muestra flexibilidad al aplicarse en una variedad de disciplinas, gracias a su diseño fundamentado en la teoría de la información de Claude Shannon. Esta teoría permite medir cómo fluye la información entre variables y las influencias mutuas dentro del sistema.

Este sistema se encuentra disponible en línea, y se espera que su aplicación se extienda a diversas áreas de investigación, como biología, neurociencia y ciencias sociales. El equipo del MIT también prevé el uso de SURDen el sector aeroespacial, con el objetivo de optimizar el diseño de aeronaves y reducir el consumo de combustible.

MITCienciaTecnología