La intuición es algo aparentemente misterioso y se apela a este concepto cuando de pronto alguien responde a un problema de manera que parece poder resolver la dificultad de manera correcta sin tener toda la información a la mano. Es como si de la nada alguien encontrase la solución perfecta a pesar de tener una incertidumbre mayúscula en la información del problema. De hecho, muchos psicólogos han estudiado el proceso que llamamos intuitivo pero no parece ser que alguien tenga un modelo definitivo a esto.
Sin embargo, los científicos saben que el análisis de muchos datos puede llevar a encontrar patrones que tienen en algún sentido un tipo de poder predictivo. Elegir no obstante qué características de los datos a analizar son los adecuados usualmente requiere de intuición. Los investigadores del MIT han planeado sacar el elemento humano del análisis de grandes bases de datos, usando para ello un nuevo sistema que no sólo busca patrones, sino que incluso diseña el conjunto de características.
Para probar su primer prototipo decidieron inscribirse en tres competiciones científicas de datos, en donde competirían contra equipos humanos para encontrar patrones predictivos en conjuntos de datos desconocidos, es decir, que no tienen directamente ningún elemento familiar, al menos en principio. De los 906 equipos participantes en las tres competencias, la “Data Science Machine” finalizó por encima de 615 de ellos. En dos de las tres competencias, las predicciones de este sistema fueron tan precisos en un 94% y 96% como los resultados del equipo ganador. En el tercer concurso logró sin embargo un modesto 87%. Interesante es que mientras los equipos humanos trabajaron en sus predicciones por meses, el sistema experimental logró esos resultados usando entre 2 y 12 horas nada más.
“Vemos la Data Science Machine como un complemento natural a la inteligencia humana”, dice Max Kanter, cuya tesis de maestría en el MIT es la base de este sistema. “Hay mucha información que está ahí para ser analizada. Y hoy por hoy nos sentamos y no hacemos nada. Por lo que tal vez podemos encontrar una solución que al menos nos obligue a empezar, a movernos”, indica.
Kanter y su asesor de tesis, Kalyan Veeramachaneni, un investigador del MIT en el Laboratorio de Inteligencia Artificial (CSAIL), están aplicando estas novedosas técnicas en el análisis de grandes datos. Veeramachaneni dice: “Hemos observado de nuestra experiencia resolviendo problemas en la industria que uno de los pasos críticos es llamado la ingeniería de las características, es decir, el identificar qué variables extraer de la base de datos y componer con ellas las soluciones. Y con esto ya tenemos muchas nuevas ideas”.
Margo Seltzer, profesora de ciencias de la computación en la Universidad de Harvard comenta: “La Data Science Machine es uno de esos proyectos increíbles que aplica investigación de frontera para resolver problemas prácticos y abre una nueva manera de ver los problemas”. Seltzer no es parte del trabajo mencionado, a todo esto. La investigadora añade: “Pienso que lo que están haciendo se convertirá pronto en un estándar, muy pronto de verdad”.
Referencias: