Cómo escuchar quién manda en un sistema complejo ✛
Un intérprete llega a una reunión donde se habla un idioma desconocido. No conoce las palabras, pero nota que después de cierta intervención todos empiezan a asentir. Tras varias sesiones, ya sabe quién marca la pauta. El algoritmo Kausal hace lo mismo con los datos: aprende el idioma del sistema para descubrir quién influye sobre quién.
Luego el algoritmo hace dos pronósticos: uno solo con el historial del efecto y otro añadiendo la supuesta causa. Si el segundo pronóstico es más preciso, entonces la causa realmente ayuda. Con datos de El Niño, este enfoque captó eventos importantes que otros métodos pasaron por alto. Funciona como el intérprete que ahora no solo oye palabras, sino que entiende quién dicta a quién.
El operador de Koopman fue propuesto en 1931, pero solo con la llegada del aprendizaje profundo se ha podido aproximar de manera eficiente para datos reales.
La idea de elevar el sistema a un espacio donde lo complejo se vuelve simple recuerda al 'hiperespacio' de la ciencia ficción, donde las naves sortean las limitaciones del espacio ordinario. Aquí, el papel del hiperespacio lo desempeña un espacio de funciones de dimensión infinita.