211service.com
Los algoritmos inteligentes de aprendizaje de Numenta
Jeff Hawkins tiene un historial en la predicción del futuro. Fundador de Palm e inventor de PalmPilot, pasó la década de 1990 hablando de un mundo venidero en el que todos llevaríamos poderosas computadoras en nuestros bolsillos. Nadie creía en eso en ese entonces, la gente pensaba que estaba loco, dice. Por supuesto, estoy encantado con el éxito de la informática móvil en la actualidad.
Que sigue: El inventor de PalmPilot en la década de 1990, Jeff Hawkins, ha desarrollado ahora un nuevo conjunto de algoritmos predictivos inspirados en el funcionamiento de la neocorteza, el centro de planificación del cerebro.
En su firma actual, Numenta Hawkins está trabajando en otra idea que parece surgir del campo de la izquierda: copiar el funcionamiento de nuestros propios cerebros para crear software que tome decisiones rápidas y precisas para los negocios inundados de datos de hoy. Él y su equipo han estado trabajando en sus algoritmos desde 2005 y finalmente se están preparando para lanzar una versión que está lista para usarse en productos. La tecnología de Numenta está dirigida a una variedad de aplicaciones, como juzgar si una transacción con tarjeta de crédito es fraudulenta, anticipar en qué hará clic un usuario de la Web a continuación o predecir la probabilidad de que un paciente en particular del hospital sufra una recaída.
Lo que esos ejemplos tienen en común es que contienen patrones complejos que evolucionan con el tiempo, dice Hawkins. Los algoritmos pueden analizar y extrapolar esos patrones porque toman prestadas técnicas de partes del cerebro humano que han evolucionado para interpretar datos complejos que fluyen desde nuestros sentidos y usarlos para predecir lo que podría suceder.
Algunas empresas ya están poniendo a prueba el último enfoque de Numenta. Sm4rt Security Services, una empresa de seguridad informática con sede en la Ciudad de México, es una de ellas. Fuimos contratados por uno de los principales bancos del mundo para demostrar que esta nueva tecnología podía prevenir el fraude con tarjetas, dice el CEO Victor Chapela. En solo tres meses hemos logrado igualar la precisión de los sistemas existentes, que se han desarrollado durante 25 años.
El banco desplegará un verificador de fraude basado en Numenta junto con sus medidas existentes en algún momento del próximo año, dice. El banco sufre más de $ 100 millones de fraude cada año, dice, por lo que cualquier cosa que pueda reducir incluso una fracción de eso tiene una recuperación muy rápida.
La tecnología de Numenta es atractiva para los bancos porque su capacidad para aprender de datos anteriores evita un límite crucial en la tecnología de prevención del fraude. El sistema informático de un banco tiene solo 10 milisegundos para decidir si autoriza una transacción, dice Chapela: simplemente no hay tiempo para buscar las transacciones pasadas de una persona. Como resultado, las transacciones generalmente se dividen en categorías estrictamente definidas y se juzgan de acuerdo con reglas específicas para cada una, reglas que tienen que ver con características como el tipo de tarjeta, la cantidad cobrada y el tipo de comerciante.
Pero la tecnología de Numenta hace que estos conjuntos separados de reglas sean innecesarios. En su lugar, se utiliza una fuente sin procesar de los patrones de gasto de cada persona para entrenar un conjunto de algoritmos para que puedan aprender los hábitos del cliente. En cualquier momento, el sistema tiene una representación internalizada de eventos pasados que utiliza para predecir qué tipo de transacciones es probable que sucedan a continuación. Si una nueva transacción no cumple con esas expectativas, se puede marcar como posible fraude. En este enfoque, los detectores de fraude siempre están actualizados, dice Chapela. Un sistema analítico tradicional, por otro lado, debe tener sus reglas actualizadas en un proceso laborioso que generalmente se lleva a cabo solo una vez cada seis meses.
La inspiración de Hawkins para la tecnología subyacente proviene del neocórtex, la capa exterior arrugada de nuestro cerebro que es responsable de actividades como el habla, el movimiento y la planificación. Sorprendentemente, esas habilidades tan diferentes surgen de una arquitectura común de neuronas, en lugar de diferentes grupos de neuronas con características muy específicas.
Hawkins ha tomado prestada esa idea de una arquitectura común. Usamos fuentes primarias sobre la neurociencia de eso como guía, por lo que hay una enorme cantidad de biología en esto, dice. Los algoritmos simulan las diversas capas de neuronas que procesan información en la neocorteza. La capa inferior recibe los datos de entrada sin procesar y luego pasa una versión procesada y condensada a la siguiente capa de algoritmos. A medida que la información asciende por ese modelo jerárquico, se abstrae del original y se extraen las características más destacadas, dice Itamar Arel , que trabaja en aprendizaje automático en la Universidad de Tennessee.
La capacidad del sistema para hacer predicciones sobre el desarrollo de eventos se basa en su capacidad única para procesar datos temporales o dependientes del tiempo. El software de aprendizaje convencional no puede hacer eso, porque no puede manejar entradas que constan de muchas variables que cambian con el tiempo. En cambio, los ingenieros generalmente tienen que extraer el puñado de variables que creen que son útiles e incorporarlas a los algoritmos.
Ese preprocesamiento no es necesario en modelos inspirados en estudios de cerebros biológicos, dice Arel. En cambio, el sistema de aprendizaje puede decidir por sí mismo qué es importante y qué no. Este es un campo emergente denominado aprendizaje automático profundo. Sin embargo, la mayoría de los esfuerzos académicos se centran en procesar imágenes, dice. Lo único de Numenta es que puede manejar datos temporales, lo que abre diferentes tipos de aplicaciones. Entre los ejemplos que imagina Hawkins: las empresas podrían analizar mejor el habla humana o los patrones de uso de la electricidad en los edificios.
Pero si bien este enfoque plantea la posibilidad de sistemas que puedan aprender sobre cualquier tipo de datos en lugar de estar especializados en una sola tarea, Numenta aún tiene que demostrar que su tecnología es ampliamente aplicable y rentable. Tampoco está claro cómo la empresa llevará la tecnología al mercado, pero probablemente será en forma de herramientas de desarrollo en lugar de productos listos para usar. Ahora que la tecnología realmente está funcionando, dice Hawkins, el próximo año nos veremos cambiar al modo de desarrollo de productos.