Dentro del mundo de los Big Data y el uso de APIs para el desarrollo de software, el sector del aprendizaje automático y la creación de modelos predictivos es una de las tendencias más innovadoras.
“Software is eating the world”. La frase es de Marc Andreesen, emprendedor y ingeniero de software que, entre otros méritos profesionales, tiene la creación de navegadores como Mosaic y Netscape y la fundación de uno de los fondos de capital riesgo más importantes de Sillicon Valley, Andreessen Horowitz. La cita dio título a un artículo suyo publicado el 20 de agosto de 2011 en The Wall Street Journal, y, en cierta forma, es un ejemplo perfecto de lo que está sucediendo en la actualidad con la APIs (Application Programming Interface), esos algoritmos que están transformando herramientas y aplicaciones en todo el mundo.
Dentro del mundo de los Big Data y el uso de APIs para el desarrollo de software, el sector del machine learning (aprendizaje automático) y la creación de modelos predictivos es una de las tendencias más innovadoras. Startups como Big ML, CleverTask, Datagami o Scaled Inference lideran un campo de investigación que usa las llamadas APIs predictivas para cambiar los criterios de inversión, la evaluación de riesgos, el mercado de valores, el uso de predicciones de demanda, de diagnóstico sanitario o el sector de las búsquedas en internet.
Qué es una API predictiva: machine learning como solución
Las tecnologías de aprendizaje automático (machine learning) llevan décadas usándose en aplicaciones tan corrientes como el correo electrónico. Los actuales filtros anti-spam son sistemas capaces de aprender de los datos y extraer patrones. Aprenden qué direcciones IP de origen, contenido o ratios texto e imágenes tienen los emails marcados como spam por el usuario y aplican una regla automática. Antes, estos sistemas sólo estaban al alcance de matemáticos, científicos de datos y programadores, pero ahora las APIs predictivas han democratizado su uso.
“Son herramientas para que los programadores creen modelos de predicción simplemente introduciendo los datos históricos”, afirma Andrés González, Consultor de Machine Learning en CleverTask. Al final, una API predictiva facilita mucho el desarrollo de modelos predictivos porque es ella quien detecta patrones de datos y asigna la probabilidad de que un hecho futuro pertenezca a ese patrón.
Para qué sirven las APIs predictivas
Las compañías se están dando cuenta de las enormes posibilidades de los modelos predictivos. Empresas de pagos en línea utilizan soluciones con APIs predictivas para detectar el fraude; las grandes corporaciones recurren a ellas para prever los precios de los productos, seleccionar clientes en función de su comportamiento en las redes sociales o su navegación en la web, saber quiénes serán los empleados más productivos o predecir los fallos en los equipos tecnológicos; las eléctricas quieren hacer previsiones de demanda; las entidades financieras buscan optimizar su cartera; y las administraciones públicas las usan para predecir el tráfico urbano…
Y lo mejor de todo esto es que los responsables de las compañías pueden acceder a esa información a través de sencillas visualizaciones. Por ejemplo, Big ML hace gráficos de árbol con modelos predictivos en muchos sectores, uno de ellos es el sanitario. En su página web existen varios ejemplos prácticos del trabajo de machine learning y visualización de datos que hacen en esta startup.
Este es un modelo sobre la experiencia de los pacientes en un hospital: predicciones con respecto al trato a los pacientes por parte de los médicos y las enfermeras, la gestión de la información médica, la limpieza de las habitaciones o los servicios… Beneficios: saber si hay que mejorar la formación de las enfermeras, dulcificar el trato con los pacientes o cambiar de contrata de limpieza.
Otro ejemplo es la predicción de enfermedades de corazón en Suráfrica y sus causas. Al final, la solución de Big ML crea distintas trayectorias en función de la edad del paciente, su historial familiar, el consumo de tabaco o el factor de la obesidad.
Lo importante no sólo es que extrae insights de alto valor, también es que el algoritmo es capaz de aprender con ese trabajo. Cada predicción del algoritmo hecha realidad alimenta la siguiente predicción y mejora la precisión del modelo. Es la esencia del aprendizaje automático. Una bola de nieve que permite a un banco, una eléctrica o un hospital conocer de antemano qué pasará en seis meses.
“El machine learning podría provocar una revolución social incluso mayor que la de los móviles”, prevé González. “Hay hospitales en Estados Unidos que ya están prediciendo infartos con dos horas de antelación o aplicaciones que alertan al conductor de una elevada probabilidad de accidente”, remata.
Aplicaciones prácticas de las APIs predictivas
Gracias a las APIs predictivas, las empresas pueden sacar el máximo partido a sus datos sin acudir a un software de escritorio o la contratación de empresas externas que traten su información sensible. “El aprendizaje automático permite que, en vez de plantear ecuaciones con coeficientes desconocidos y luego ajustarlas a los datos, ahora usemos modelos flexibles que pueden ser entrenados para diseñar patrones predictivos de grandes volúmenes de datos”, afirma Keiran Thompson, cofundador y jefe de Ciencia de Datos de Datagami.
El gran problema del aprendizaje automático es que la utilización de herramientas como el lenguaje de programación R, usado en la elaboración de modelos estadísticos en ciencia de datos; scikit-learn, la herramienta en Python para el análisis de datos; o Spark, la tecnología que está revolucionado los Big Data por su enorme velocidad de procesamiento, son soluciones demasiado complejas para la mayoría de profesionales. De ahí que empresas como Big ML, CleverTask o Datagami concentren sus esfuerzos en diseñar herramientas para no expertos.
“El paisaje del aprendizaje automático está bien poblado de potentes algoritmos e implementaciones de código abierto de alta calidad, sin embargo la accesibilidad es muy limitada”, asegura Thompson desde Australia. Para solucionar este problema, Big MIL “desarrolla herramientas para visualizar datos de forma sencilla”, dice su confundador y CEO Francisco J. Martín. Convierten herramientas de científicos en soluciones para todos y que sean escalables sin problemas.
“¡Es un momento emocionante! Las posibilidades de estas tecnologías increíbles apenas están comenzando a trazarse, son ilimitadas”, nos cuenta ilusionado Thompson. Hoy en día es difícil saber cuál puede ser el desarrollo próximo de las APIs predictivas, pero a buen seguro nos espera un futuro increíble.
