MIT、空間データのAI推定精度を高める新手法を開発

MITの研究チームは、場所によって変化するデータを分析する際に、統計的推定の信頼性を劇的に向上させる新手法を開発しました。従来のAIモデルが陥りがちな過信を防ぎ、環境や経済分野での意思決定の精度を高めます。

機械学習は予測に優れていますが、特定の変数が結果にどう影響するかという「関連性」の推定には課題があります。特に地理的な広がりを持つデータでは、モデルが実際よりも高い確信度を示し、誤った判断を招く恐れがありました。

原因は、データの収集場所と予測対象の場所における性質の違いです。例えば、都市部のセンサーデータで地方の環境を予測する場合、交通量などの条件が異なるため、従来の統計的仮定が成立せず、分析結果にバイアスが生じます。

研究チームは、データが空間的に「滑らかに」変化するという前提を取り入れた新しいアルゴリズムを構築しました。隣接する地域のデータは急激には変化しないという現実的な特性を利用し、偏りを補正することに成功しました。

実験の結果、この手法だけが一貫して正確な信頼区間を生成できることが確認されました。不動産価格の変動や感染症の拡散など、位置情報が重要なビジネス領域において、より信頼できるデータ分析が可能になります。