Mathematische Modelle prognostizieren Roboterbewegungen und Vererbung von Krankheiten
Das Thema Wahrscheinlichkeit wäre wohl für die meisten von uns eine etwas abschreckende mathematische Angelegenheit. Tatsächlich aber hat dieses Thema sehr häufig mit alltäglichen Dingen zu tun, wo es darum geht, die Wahrscheinlichkeit eines Ereignisses abzuschätzen; man denke nur an den Wetterbericht und die Regenwahrscheinlichkeit oder die Wahrscheinlichkeit, dass man ein Jobangebot bekommt. Probabilistische Modelle befinden sich in der Wissenschaft bei der Betrachtung realer Situationen wie kognitiver Denkprozesse, beim Data Mining und ähnlichen Dingen in breiter Anwendung. Sie prognostizieren oder schätzen auf Grundlage der vorher bekannten Daten die Wahrscheinlichkeit, ob ein Ereignis eintritt (im Prinzip, dass eine Variable einen bestimmten Wert annimmt). Das meist zu diesem Zweck eingesetzte Verfahren ist die sogenannte näherungsweise bzw. approximative Inferenz. Da approximative Inferenzverfahren für viele Einsatzfälle in der realen Welt wichtig sind, wird die Entwicklung verbesserter Verfahren zu besseren Lösungen derartiger Probleme hinführen. Die europäischen Forscher wollen probabilistische Modelle und Annäherungsverfahren entwickeln, die auf den Gebieten der Robotik und der Bioinformatik (Datenmodelle für die Genetik) einsetzbar sind und riefen zu diesem Zweck das Projekt Infprobmod ("Approximate inference in probabilistic models") ins Leben. Wissenschaftler erarbeiteten mit Erfolg ein Verfahren zum Segmentieren von Zeitreihendaten (Daten, die sich im Laufe der Zeit verändern), wie es für die menschliche Bewegung von Bedeutung ist. Das numerische Verfahren ist für die Erstellung von Grundbewegungs-Bibliotheken wichtig, die für das Gebiet der Robotik relevant sind. Die Forscher erweiterten außerdem ein gängiges genetisches Modell um Mutter-Vater-Kind-Beziehungen, was nun den Weg zu einer allgemeineren Analyse genetischer Daten miteinander verwandter Individuen freimacht. Bedeutung hat dieses Modell besonders für komplexe Erbkrankheiten. Beide Modelle wurden mittels nutzerfreundlicher Software, die nur minimale menschliche Eingriffe oder Wissen über Modellierung erfordert, sorgfältig umgesetzt. Die Resultate von Infprobmod sollten sowohl den Robotikforschern als auch der Gemeinde der Genetikmodellersteller willkommen sein. Es sind überdies wichtige Auswirkungen im Bezug auf die Erweiterung zahlreicher weiterer ähnlicher mathematischer Modelle zu erwarten.
