Pasar al contenido principal

Se encuentra usted aquí

Noticias

“Las grandes empresas han comprendido que tienen que compartir sus algoritmos”

29/12/2016 11:24
Read in

Afincada en París, Sira Ferradans es la Chief Research Scientist de Fortia Financial Solutions, startup especializada en inteligencia artificial. Informática, formada en España, Estados Unidos y Francia, diseña algoritmos para hacer la vida más fácil. 

0
Votar
0 Comentarios

“Las grandes empresas han comprendido que tienen que compartir sus algoritmos”

¿Cómo se diseña un algoritmo?

Un algoritmo es una fórmula matemática. Al igual que las fórmulas, pueden ser muy complejos o muy simples, dependiendo del problema que se necesite resolver.

Normalmente, lo que hacemos es intentar descomponer un problema en pequeños ‘subproblemas’, más simples, para resolverlos más fácilmente. Desde hace unos años, han surgido algoritmos de nuevo tipo ligados a la inteligencia artificial, los algoritmos de Machine Learning. El interés que tienen estos algoritmos es que consiguen aprender a partir de un conjunto de ejemplos.

¿Cómo?

Un ejemplo muy didáctico es el de la clasificación de imágenes. Se crea una base de datos con un montón de imágenes -hablamos de millones-, y en cada imagen identificamos el objeto que hay. El algoritmo mira todas las imágenes y aprende lo que caracteriza cada objeto -en el denominado proceso de entrenamiento del algoritmo- de forma que después cuando le das una imagen nueva, sabe identificar el objeto que hay en ella.

Otro ejemplo muy interesante es el trabajo que está desarrollando DeepMind,  compañía de inteligencia artificial de Google, desde hace un año en entornos científicos. La idea es parecida a la clasificación de imágenes, pero en este caso ponen al algoritmo a competir en juegos de ordenador. Lo 'correcto' es terminar cada fase del juego, y en última instancia,  terminarlo. Han mostrado que efectivamente el algoritmo consigue aprender a jugar y ganar [en marzo de 2016 la máquina AlphaGo venció a un ser humano,  algo que fue calificado por la comunidad científica como un hito en el mundo de la AI].

Sira Ferradans¿Es fácil comercializar algoritmos?

Los algoritmos en sí, al ser como fórmulas, no se pueden comercializar. De hecho, incluso para crear una patente tienes que especificar concretamente para qué vas a utilizar el algoritmo, en qué área de aplicación, etc…

¿Están controlados por una élite?

Depende de lo que se entienda por la élite. ¿Está el mundo de la aeronáutica gestionada por una élite? Pues sí y no. Obviamente es un conocimiento muy técnico que no esté muy difundido al ser nuevo, pero hay numerosos cursos gratuitos online de los mejores profesores del mundo y si quieres puedes aprenderlo.

También creo que las grandes empresas son conscientes de que tienen que compartir ese conocimiento, publicando, por ejemplo, artículos científicos. Apple era una de las pocas compañías que no lo estaba haciendo y hace unos meses ha empezado.

¿Por qué?

Creo que han comprendido que salen ganando si los comparten dado que nadie va a amenazar su hegemonía sabiendo solo los algoritmos que utilizan.

¿Qué porcentaje ocupa los datos y qué porcentaje ocupa el algoritmo en el éxito de una empresa?

Esta es una pregunta relacionada con la reflexión anterior. La calidad de los resultados está muy ligada a la cantidad de datos que puedes mostrarle al algoritmo en la fase de aprendizaje. Siguiendo con el ejemplo de la clasificación de imágenes, si no tienes suficientes imágenes para clasificar un objeto, el sistema no podrá aprender, y los resultados en producción serán malos. Por eso las grandes empresas pueden permitirse publicar los algoritmos que utilizan: saben que sin los datos, que solo ellos tienen, no sirven para mucho.

¿Qué lugar ocupa el talento en un mundo que se mueve con algoritmos?

Las técnicas que describí antes, de aprendizaje automático, son bastante nuevas. El artículo científico que mostró que efectivamente estas técnicas (Deep Learning) funcionaban, es de 2012. Estamos viviendo una carrera por fichar a la gente que conoce estas técnicas y sabe implementarlas para ponerlas en producción.

Además, estos algoritmos han demostrado funcionar en muchos ámbitos: análisis de imágenes, análisis de texto, generación de texto explicativo de imágenes, creación automática de resúmenes de texto,.. Todas estas aplicaciones son fundamentales en casi todos los ámbitos de la vida laboral.

El algoritmo promete ser una herramienta fundamental en el futuro para la aceleración de procesos.  Por ello, es muy importante para las empresas empezar a tener departamentos de data science que sepan cómo identificar los procesos que pueden ser automatizados y hacerlo. El talento, entendido como la gente que sabe cómo implementar estas técnicas, está muy buscado.

¿Nos debe preocupar el auge de los algoritmos?

Los algoritmos de Deep Learning van a permitir crear muchas aplicaciones que nos harán la vida más fácil, así que en ese sentido, creo que no. Ahora, lo que nos debería preocupar es la relación entre el usuario, sus datos, y cómo las grandes empresas van a beneficiarse de ellos.

En este momento, estamos todos los usuarios de las redes sociales, o de Google, por ejemplo, constantemente dando datos sobre nuestro comportamiento, preferencias etc. Esta información vale mucho dinero y ese dinero se lo está quedando un grupo pequeño de empresas. Y lo que es más grave: los usuarios no tienen ningún tipo de control sobre la información que comparten directa o indirectamente. Por ese lado, creo que sí que deberíamos de estar preocupados.

¿Cuáles son sus ventajas y sus desventajas?

Me parece que todas estas técnicas van a suponer un cambio completo en la forma de trabajar en el día a día de los usuarios. Será positivo dado que todos los procesos tediosos van a poder ser automatizados. Las desventajas vienen por el lado del control de los datos. 

¿Son la esencia de la economía digital?

Pues depende de su aplicación en economía digital. Para montar una página web, por ejemplo, no necesitas este tipo de algoritmo. Ahora, si quieres crear un sistema de recomendación para la venta de productos, o cualquier otro proceso más complejo, pues sí.

¿Cómo ayudan a las entidades financieras?

Concretamente en mi empresa defino los algoritmos que necesitan ser implementados y optimizarlos para nuestras aplicaciones. En este momento, estamos utilizando algoritmos de Deep Learning para el análisis automático de textos de regulacion financiera. Concretamente, tomamos los prospectus de los fondos de inversión y automaticamente digitalizamos las reglas que los fondos de inversión tienen que seguir. Somos capaces de reducir el tiempo de procesado de un prospectus de semanas ( tiempo que destina un experto) a minutos (gracias a nuestro sistema). Creo que es un ejemplo claro de como este tipo de técnicas van a cambiar radicalmente el trabajo de los usuarios expertos (en nuestro caso los Fund Managers). 

También creo que van a ser fundamentales en los proximos años por el aspecto regulatorio. Desde el 2008, la legislación financiera ha cambiado enormemente, en el entorno se suele hablar del tsunami regulatorio. En 2014 se produjeron, de media, 155 cambios en la legislación al día. Esto hace que estar 'en regla' sea cada vez mas complicado y un ejemplo de ello es que las multas a las entidades financieras no han parado de aumentar. Poder automatizar el proceso regulatorio sera fundamental en el futuro, y esto pasa por la utilización de Machine Learning para simplificar los procesos tediosos, y siempre bajo supervisión de un experto.

 

Otros temas que te pueden interesar sobre algoritmos:

Las cinco tribus del ‘machine learning’

“En las empresas de mayor éxito hay un algoritmo detrás”