L’entità matematica all’avanguardia PolyChord è stata inventata nel 2017 all’Università di Cambridge. La società PolyChord Limited è stata fondata per sviluppare l’esclusivo strumento di formazione della rete neurale PolyNet e lo strumento di piegatura delle proteine PolyFold. Entrambi sono alimentati dal motore di base di PolyChord. La compagnia PolyChord ha a bordo due professori universitari di astrofisica di Cambridge (il professor Mike Hobson e il professor Anthony Lasenby), il professore di fisica William Handley e l’amministratore delegato commerciale Mike Handley.
L’ambizione, poi effettivamente resa realtà, era quella di dare un senso ai dati provenienti dal “Big Bang” e dunque partire dall’origine dell’Universo ed arrivare fino ai giorni nostri.
La “necessità” di dar vita ad un tale strumento è indubbiamente giustificabile guardando all’evoluzione della realtà contemporanea, sempre più legata alle informazioni, non prese individualmente, ma giudicate in base al loro potenziale valore in termini di strategia e sviluppo.
È esattamente questo lo scopo propugnato dall’emergente Data Science.
La problematica odierna in riferimento ai dati sta però nella loro complessità e nella loro dimensione, che precludono la mappatura e la creazione di modelli appropriati per gli stessi.
Infatti, nonostante le sempre maggiori competenze acquisite dai Data Scientists, le moderne industrie 4.0 si confrontano con una mole di Big Data in crescente aumento.
L’innovazione di PolyChord sta nella sua capacità straordinariamente efficace di gestire dati complessi consentendo agli utenti di fare previsioni più accurate, in circostanze che vanificano persino gli sforzi degli strumenti più moderni ed aggiornati: problemi dimensionali elevati, variabili complesse, dati “sporchi” o confusi e degenerazioni curvilinee.
La sua efficienza e potenzialità, per quanto colossali siano, sono state però programmate al fine di rendere più competitive le aziende e incrementare il loro business.
PolyChord è in grado di:
- Raccogliere e curare i dati:
- Costruire modelli (o raffinare quelli esistenti) per descrivere i dati:
- Adattare / addestrare questi modelli:
- Selezionare il modello migliore:
- Usare tale modello per fare previsioni.
L’analisi dei dati con PolyChord è però all’avanguardia rispetto agli altri strumenti di Data Science poiché è applicabile a problemi dimensionali elevati che questi non riescono a risolvere, ma soprattutto poiché PolyChord lavora automaticamente: è indubbiamente imprescindibile l’intervento umano al fine di decidere il modello da usare, subordinato al risultato al quale mira l’azienda, ma tale modello è autonomamente individuato dal motore di calcolo integrato di PolyChord che dunque esclude a priori l’eventuale possibilità di errore umano.
Esso è quindi definibile come uno strumento di ottimizzazione black-box, poiché si auto-regola e richiede un intervento minimo da parte dell’utente.
In generale i modelli scientifici tendono ad essere generativi, mentre i modelli di apprendimento automatico (come le reti neurali) tendono ad essere discriminatori: entrambi le tipologie richiedono tuttavia l’adattamento o l’allenamento del modello: PolyChord ha vantaggi competitivi in entrambe queste aree.
Con gli strumenti della PolyChord Ltd si favoriranno tutte le aziende che si servono del Machine Learning e dell’intelligenza artificiale, che sono tra gli ambiti maggiormente in sviluppo del momento a livello internazionale.
