MIT desarrolla un nuevo algoritmo para mapear la causalidad en sistemas complejos

Un equipo de ingenieros del Instituto Tecnológico de Massachusetts (MIT) desarrolló un algoritmo innovador llamado SURD, destinado a desentrañar las relaciones causales en sistemas complejos de diversas disciplinas. Esta herramienta permite identificar variables que influyen sobre otras dentro de un sistema, incluso en entornos con factores interrelacionados que dificultan el rastreo de causalidad directa.

El equipo de investigación está liderado por los ingenieros Álvaro Martínez-Sánchez, Adrián Lozano-Durán y Gonzalo Arranz, quienes diseñaron SURD para facilitar el análisis de redes complejas de variables interdependientes. Según Martínez-Sánchez, "la importancia de nuestro método radica en su versatilidad en distintas disciplinas", permitiendo su aplicación en estudios de evolución de especies, clima y comunicación neuronal.

Dicho algoritmo SURD funciona analizando datos longitudinales de un sistema complejo para detectar relaciones causales. Este método puede estudiar, por ejemplo, cómo varía la población de una especie en un ecosistema marino y cómo dichos cambios predicen el comportamiento de otras especies. A partir de estos datos, SURD genera un "mapa de causalidad" que visualiza conexiones probables entre variables y distingue entre relaciones sinérgicas y redundantes.

Las relaciones sinérgicas ocurren cuando una variable influye en otra únicamente en combinación con una segunda variable. Las relaciones redundantes se presentan cuando distintas variables ejercen efectos similares sobre otra. Este enfoque permite al algoritmo identificar las interacciones más relevantes en sistemas complejos, una función clave en el avance de la ciencia.

Una de las innovaciones de SURD es su capacidad para estimar la "fuga causal", es decir, el grado en que el comportamiento del sistema no se explica únicamente con las variables conocidas. Lozano-Durán explica: "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". Esta función de SURD permite a los investigadores identificar factores adicionales necesarios en sistemas complejos.

Este equipo probó el algoritmo en casos de referencia de inferencia causal, como interacciones depredador-presa y variaciones en el clima. SURD identificó vínculos causales de manera consistente en todos estos escenarios, superando métodos que solo aplican a casos específicos. Los ingenieros desarrollaron SURD basándose en principios de la teoría de la información formulada por Claude Shannon, lo que permite medir el flujo de información e influencia mutua entre variables.

SURD ya está disponible en línea para investigadores de diversas áreas, quienes podrán aplicar este método para analizar sistemas complejos en biología, neurociencia y ciencias sociales. El equipo del MIT planea aplicar SURD en el sector aeroespacial para optimizar diseños de aeronaves y reducir el consumo de combustible, con el objetivo de avanzar en eficiencia.