En una sala con cien instrumentos suena una sinfonía, pero el director está oculto tras una cortina. El científico solo escucha las notas que tocan los instrumentos y quiere entender quién marca el ritmo. Los datos científicos se parecen a esa orquesta: registramos las lecturas de los instrumentos, pero no vemos los mecanismos ocultos que los controlan. MOSAIC aprende de esos registros a encontrar a los directores y a explicar sobre qué instrumentos influyen.

Antes no estaba claro cómo transferir la interpretabilidad de las variables observables a los factores latentes sin perder la identificabilidad. MOSAIC resuelve este problema en dos etapas. Primero, un autoencoder variacional comprime los datos y extrae los factores latentes, garantizando que se recuperen de manera única. Luego, el decodificador denso se reemplaza por uno aditivo disperso: para cada factor latente, el modelo encuentra un pequeño conjunto de variables observables sobre las que influye. Es como si, después de escuchar la sinfonía, pudiéramos decir: «El director agita la batuta, y las flautas entran, mientras que los violines callan».

El método se ha probado en diferentes sistemas. En la dinámica molecular de ARN, MOSAIC encontró un factor relacionado con el lazo de tetralazo, lo que coincide con un mecanismo de plegamiento conocido. En el viento solar, datos climáticos, un proceso químico y un tokamak, el método identificó correctamente los grupos esperados de variables en 12 de 12 ejecuciones. Esto significa que MOSAIC no solo encuentra factores latentes, sino que también los explica a través de magnitudes físicas comprensibles.

Hoy en día, MOSAIC se puede aplicar en el clima espacial, el diagnóstico de la fusión termonuclear, el monitoreo climático y la seguridad de los procesos químicos. Allí donde la anotación manual es imposible, el método detecta mecanismos automáticamente. En el futuro, se planea extenderlo a modos multiclase e integrarlo con métodos de descubrimiento causal dentro de los módulos. La sinfonía de los sistemas complejos se vuelve más audible cuando sabemos quién dirige.