В зале с сотней инструментов звучит симфония, но дирижёр скрыт за ширмой. Учёный слышит только ноты, которые играют инструменты, и хочет понять, кто задаёт ритм. Научные данные похожи на такой оркестр: мы записываем показания приборов, но не видим скрытых причин, которые ими управляют. MOSAIC учится по этим записям находить дирижёров и объяснять, на какие инструменты они влияют.

Раньше было неясно, как перенести объяснение с видимых данных на скрытые причины, не потеряв уверенности в их правильности. MOSAIC решает это в два шага. Сначала он сжимает данные и выделяет скрытые факторы, гарантируя, что они восстанавливаются однозначно. Затем для каждого скрытого фактора находит небольшой набор видимых переменных, на которые он влияет. Это как если бы после прослушивания симфонии мы могли сказать: «Дирижёр взмахивает палочкой, и флейты вступают, а скрипки молчат».

Метод проверен на разных системах. В молекуле РНК MOSAIC нашёл фактор, связанный с петлёй, что совпадает с известным механизмом. На солнечном ветре и климате метод правильно определил ожидаемые группы переменных во всех 12 запусках. Сегодня MOSAIC может применяться в космической погоде, климатическом мониторинге и безопасности химических процессов. Симфония сложных систем становится слышнее, когда мы знаем, кто дирижирует.