Los investigadores a menudo usan simulaciones cuando diseñan nuevos algoritmos. Estas simulaciones están basadas en trazas, pequeños fragmentos de datos reales, que a veces pueden producir resultados sesgados. El Instituto Tecnológico de Massachussets (MIT) ha desarrollado un nuevo método que elimina esta fuente de sesgo en la simulación basada en trazas.
Al permitir simulaciones imparciales basadas en trazas, la nueva técnica podría ayudar a los investigadores a diseñar mejores algoritmos para una variedad de aplicaciones, incluida la mejora de la calidad del vídeo en Internet y el aumento del rendimiento de los sistemas de procesamiento de datos.
Los científicos del MIT estudiaron la simulación basada en trazas en el contexto de las aplicaciones de transmisión de vídeo. En la transmisión de vídeo, un algoritmo de tasa de bits adaptable decide continuamente la calidad del vídeo, o la tasa de bits, para transferir a un dispositivo en función de los datos en tiempo real del ancho de banda del usuario. Para probar cómo los diferentes algoritmos de tasa de bits adaptables afectan el rendimiento de la red, los investigadores recopilaron datos reales de los usuarios durante una transmisión de vídeo para una simulación basada en rastreo.
El algoritmo de aprendizaje automático del MIT se basa en los principios de causalidad para aprender cómo los rastros de datos se ven afectados por el comportamiento del sistema. De esta manera, pueden reproducir la versión correcta e imparcial de la traza durante la simulación.
Herramienta CausalSim
Los investigadores desarrollaron una nueva herramienta, llamada CausalSim, con la que el algoritmo puede aprender las características subyacentes de un sistema utilizando solo los datos de rastreo.
CausalSim toma los datos de seguimiento que se recopilaron a través de un ensayo de control aleatorio y estima las funciones subyacentes que produjeron esos datos, al tiempo que simula lo que habría sucedido con el rendimiento de la red si la plataforma hubiera utilizado un algoritmo de tasa de bits adaptable diferente en las mismas condiciones subyacentes.
De esta forma, el modelo le dice a los investigadores, bajo exactamente las mismas condiciones subyacentes que experimentó un usuario, cómo un nuevo algoritmo cambiaría el resultado.
En comparación con un simulador basado en trazas desarrollado anteriormente, el nuevo método de simulación predijo correctamente qué algoritmo de nuevo diseño sería el mejor para la transmisión de vídeo, es decir, el que condujera a menos almacenamiento en búfer y mayor calidad visual.