Nuevo conocimiento mediante aprendizaje de máquina
El aprendizaje de máquina se puede utilizar para preparar y refinar datos, identificar patrones y correlaciones, pero también para proporcionar a otros algoritmos de IA los mejores datos para sus cálculos.
Reconocer patrones y estructuras en datos
El aprendizaje de máquina (ML), una subdisciplina de la inteligencia artificial (IA), tiene como objetivo facilitar a los sistemas el reconocimiento de patrones en los datos. Los casos de uso típicos incluyen la clasificación y la predicción, que se aplican en diversos campos como el reconocimiento de imágenes, vídeo y voz. El ML permite analizar estructuras de datos complejas y realizar predicciones precisas.
El proceso de aprendizaje de máquina implica varias etapas: desde la preparación de los datos (armonización, transformación y enriquecimiento) y la selección de variables explicativas hasta el entrenamiento y la evaluación de los modelos. Cuando se aplican en entornos difíciles y en tiempo real, el rendimiento de los modelos es fundamental. Mientras que muchos modelos de ML, especialmente las redes neurales, suelen considerarse “cajas negras” y difíciles de interpretar, el campo de la inteligencia artificial explicable (XAI) es una disciplina de investigación activa cuyo objetivo es mejorar la forma en que comprendemos e interpretamos los modelos de ML, lo que también es de gran importancia para las aplicaciones de INFORM. El aprendizaje profundo, una clase especial de redes neurales, se ha consolidado como un potente método en el campo del aprendizaje de máquina.
En INFORM se descubren, prueban y ponen en práctica regularmente nuevas aplicaciones del aprendizaje de máquina. Los resultados de los modelos de ML suelen aportar valor agregado a las empresas que los utilizan. Sin embargo, también se pueden utilizar para proporcionar a los algoritmos de búsqueda y optimización de la investigación de operaciones una base de datos aún mejor para los cálculos actuales. Ejemplos de éxitos de clientes que se están utilizando activamente son las proyecciones de plazos de entrega de órdenes de bienes, el reconocimiento de nuevos patrones de fraude en el sector financiero o la evaluación de contenedores entrantes y salientes en el puerto con el fin de apilarlos en el lugar adecuado para el medio de transporte esperado.
