Gracias a las herramientas de Big Data, capturar una cantidad masiva de información, procesarla y sacar conclusiones útiles es posible para las empresas de cualquier sector, y no importa si se trata de datos estructurados o no, siempre hay forma de sacarles provecho. Adicionalmente el machine learning prediction, un subcampo de la inteligencia artificial que confiere a los ordenadores la habilidad de aprender sin haber sido explícitamente programados con ese fin.

 

De manera específica, los programadores desarrollan software con la capacidad de generalizar o sistematizar conductas a partir del suministro de datos que les atañen. Funciona como una ciencia inductiva del conocimiento que se solapa con el manejo estadístico computacional, ya que ambos campos se soportan en el mismo principio: el análisis profundo de problemas y situaciones de la vida real y sus soluciones prácticas.

 

Las aplicaciones viables son amplias y abarcan una gran diversidad. Entre ellas encontramos el funcionamiento de los motores de búsqueda y su retroalimentación, inferencias médicas para hacer diagnósticos, detección precoz de fraudes bancarios, en especial aquellos relacionados con las tarjetas de crédito, análisis de las tendencias del mercado de valores, estudio de la secuencia del ADN, reconocimiento verbal y de manuscritos, juegos avanzados y robótica.

 

A la hora de efectuar predicciones los sistemas computarizados del machine learning pueden anticiparse a los errores en la cadena de producción de una empresa, al incremento del consumo eléctrico dependiendo de las condiciones atmosféricas, estimar el valor de una propiedad nueva o usada según su localización, tamaño y otros parámetros de tiempo real, identificar spam en el correo electrónico, etc.

 

¿Qué se podría pronosticar con esta tecnología?

 

 

Prácticamente no existe límite a lo que es posible realizar. Si se tienen datos suficientes de situaciones previas, la máquina aprenderá de ellos y podrá predecir lo que sucederá en el futuro con un alto porcentaje de fiabilidad. Un ejemplo actual es el pronóstico de la calidad del aire en la capital de España, en concreto la concentración atmosférica de dióxido de nitrógeno, un contaminante peligroso para la salud humana.

 

Hay una normativa que establece los niveles máximos aceptables y que propone medidas para su reducción, como restricciones en la velocidad máxima, limitaciones en cuanto al acceso y al aparcamiento de vehículos en las áreas centrales, etc. El sistema está basado en datos históricos de los detectores repartidos por la ciudad, los reales de la circulación en el momento y las predicciones meteorológicas existentes.

 

Antes de desarrollar el modelo, se investigó sobre las características de los datos y la veracidad de las fuentes. El Ayuntamiento proporciona los detalles del tráfico y la calidad ambiental medidos por sensores posicionados en zonas estratégicas. Y los correspondientes a los pronósticos, que parten de la temperatura, presión, humedad y velocidad del viento, se toman gratuitamente del organismo de Administración Nacional Oceánica y Atmosférica (NOAA) de los Estados Unidos.