Waarom is dit belangrijk?
Het ordenen van genactiviteit van tumoren in een latente ruimte maakt biologische inzichten over meerdere kankersoorten tegelijk zichtbaar. In de biomedische wetenschap ondersteunt dat het vinden van ziektekenmerken en het groeperen van vergelijkbare patiënten voor een persoonlijkere behandeling. Bij de beoordeling van embryo's in de zorg blijft een losse beslissing voor artsen lastig uit te leggen, omdat de kenmerken sterk door elkaar lopen.
Zo werkt het in de praktijk
In de ict gebruikt IBM de latente ruimte in taalmodellen zoals Granite. Het model legt daarmee verbanden tussen woorden in een context. In de maakindustrie zet een studie het geluid van een stansmachine om in zo’n ruimte, en scheidt zo normale toestanden van afwijkingen voor onderhoud.
De Universiteit Maastricht publiceerde promotieonderzoek over richtingen in de latente ruimte. Het onderzoek leert die richtingen voor mechanistische interpretatie van diepe neurale netwerken.
Modellen koppelen de latente ruimte aan autoencoders, netwerken die gegevens samenpersen en weer opbouwen. Een groot verschil bij die opbouw wijst op een afwijking. Variationele autoencoders leggen de ruimte vast als een normale verdeling, zodat een model daaruit nieuwe voorbeelden trekt.




