به‌زودی، ممکن است نیاز به چیزی جز یک دستگاه صفحه‌نمایش لمسی قابل دسترس و مجموعه داده‌های موجود برای ایجاد ابزارهای پیش‌بینی قدرتمند نداشته باشید. دستاورد جدیدی از تحقیقات پژوهشگران MIT و دانشگاه براون، قابلیتی را به سیستم داده تعاملی خود با نام «Northstar» افزوده است که می‌تواند به سرعت مدل‌های مختلف یادگیری ماشین تولید کند. بنابراین با استفاده از خروجی این مدل‌های یادگیری ماشین و مجموعه داده‌های موجود می‌توان پیش‌بینی‌های مفید و موثری در حوزه‌های مختلف انجام داد.

برای شفاف‌تر شدن این دستاورد جدید، به نمونه‌هایی که این پژوهشگران ارائه کردند، توجه کنید.

نمونه اول: پزشکان می‌توانند از این سیستم برای پیش‌بینی در مورد احتمال ابتلای بیماران به بیماری‌های خاص براساس تاریخ پزشکی بیماران استفاده کنند.

نمونه دوم: صاحبان کسب‌و‌کار نیز می‌توانند از تاریخچه اطلاعات فروش خود برای پیش‌بینی دقیق‌تر، با سرعت بیشتر و بدون نیاز به حجم بالایی از تجزیه و تحلیل دستی از چنین سیستمی بهره‌مند شوند.

پژوهشگران این ویژگی جدید سیستم Northstar را «دانشمند داده‌ای مجازی» که به اختصار (VDS) خوانده می‌شود، نامیدند. به نظر می‌رسد این سیستم را واقعا می‌توان جایگزین انسان کرد، به‌خصوص در جاهایی که انسان‌ها به هر دلیلی به‌راحتی در دسترس نیستند. برای نمونه، مطب‌های پزشکی یا کسب‌و‌کارهای کوچک و حتی متوسط نیاز به کارمند دانشمند داده‌ای ندارند. حتی، کافی‌شاپ‌هایی که ‌به‌طور مستقل در مالکیت اداره می‌شوند و خرده‌فروشان نیز به این نوع بینش دسترسی نخواهند داشت.

این ابزار جدید با استفاده از تکنیک‌های خودکار یادگیری ماشین‌ ساخته شده است و باعث می‌شود تعداد افراد بیشتری به فناوری هوش مصنوعی دسترسی داشته باشند.  

Northstar حاصل بیش از چهار سال مطالعه و تحقیق است که می‌تواند یک کانواس (canvas) خالی‌ و آماده ارائه دهد که سازگار با چندین پلتفرم مختلف است. کانواس یا بوم، ابزاری است که به‌عنوان رابط کاربری اجازه ‌می‌دهد مدل کسب‌و‌کار خود را توصیف، طراحی و اختراع کنید، آن‌ را به چالش بطلبید یا تغییر دهید. بنابراین کاربران می‌توانند مجموعه داده‌های خود را در این سیستم که به‌صورت جعبه‌هایی در این رابط کاربری نمایش داده می‌شود، آپلود کنند. کاربران می‌توانند به‌راحتی اطلاعات خود را به قسمت مرکزی کانواس بکشند و آن‌ها را رها کنند و سپس خطوط اتصال هر مجموعه داده را رسم کنند تا نشان دهد که باید با کدام الگوریتم انتخاب‌شده توسط کاربر در ترکیب با یکدیگر پردازش شود.

بنابراین، پزشکان می‌توانند به لحاظ نظری مجموعه داده‌ای را که میزان متابولیسم بیماران را مشخص کرده است و مجموعه‌ای دیگر که سن بیمارن را مشخص کرده را داشته باشند، سپس به‌کمک آن استنتاج کنند که در چه مواردی بیماری‌های خاص با دخالت دو عامل پدید می‌آیند.

با ویژگی جدید دانشمند داده‌ای مجازی، کاربران می‌توانند اطلاعات ورودی را برای تولید پیش‌بینی ترکیب کنند. همچنین، از تجزیه و تحلیل‌های مبتنی بر هوش مصنوعی در سراسر این عوامل ترکیبی برخوردار شوند.

پژوهشگران با طراحی سیستم VDS درواقع به سریع‌ترین سیستم یادگیری ماشین خودکار تابه‌امروز دست پیدا کرده‌اند. نکته کلیدی درباره سیستم VDS این است که هرکسی به‌راحتی می‌تواند از آن استفاده کند. در قدم بعدی، پژوهشگران درحال بهبود گزارش خطا در این سیستم هستند تا اطمینان حاصل کنند کاربران غیرمتخصص به‌راحتی می‌توانند با این رابط کاربری فعالیت کنند؛ همچنین شاخص‌های روشنی را زمانی‌که تحلیل اشتباهی انجام می‌دهند، دریافت کنند تا اگر در دفعات بعد با چنین مشکلی مواجه شدند، بتوانند خودشان مشکل را حل کنند.