Desarrollamos un motor de predicción con incertidumbre en colaboración con Google Cloud

Jairo Mejía

d&a blog

El reciente white paper publicado por BBVA Data & Analytics en colaboración con Google Cloud presenta el desarrollo de un modelo de Deep Learning para la predicción de series temporales. El modelo implementado incorpora la incertidumbre en las predicciones, lo que sin duda supondrá una mejora de la experiencia del cliente en diferentes productos y servicios que ofrece actualmente la entidad, como las herramientas de control de gastos. Además, el documento advierte de la necesidad de tener en cuenta los cuatro pilares que permiten el despliegue exitoso de un producto de Inteligencia Artificial en la industria:

El trabajo presentado en este documento constituye una solución integral lista para ser desplegada a producción. Algunas de las conclusiones de este trabajo son:

  • Incorporar la incertidumbre como parte de la predicción incrementará la confianza en el resultado ofrecido.
  • Las técnicas de Deep Learning son una herramienta muy potente en la predicción de series temporales y en el aprovechamiento de los datos acumulados con el fin de mejorar la precisión del modelo.
  • La plataforma de Google Cloud facilita un rápido despliegue a producción, al tiempo que se garantiza la protección de los datos utilizados y se aprovechan las ventajas de una infraestructura tan potente.
  • Se están explorando métodos para implementar soluciones que eviten una filtración de datos deducida a partir de las salidas del modelo.
  • Nuestra propuesta centrada en la protección de la privacidad permitirá medir el nivel de interpretabilidad del modelo, pudiendo así mitigar el impacto de enfoques engañosos en cuanto a equidad, inclusión y auditado.

El equipo ha explorado los diferentes escenarios técnicos para ejecutar la Inteligencia Artificial, que son tenidos en cuenta dependiendo de las características de uso:

 

Para más información técnica recomendamos ponerse en contacto con nuestros candidatos a doctorado industrial Axel Brando e Irene UncetaTambién se puede ampliar la información con los siguientes papers elaborados por los propios autores:

Roberto Maestre,

La equidad en Machine Learning se vuelve “mainstream”

Cómo construir una inteligencia artificial más ética y transparente

Sobre el uso responsable de datos y algoritmos

Jordi Nin,

Cómo los gatitos ayudaron al BBVA a detectar el fraude con tarjetas de crédito

Jose A. Rodríguez y Axel Brando,

Predicciones con incertidumbre en modelos de aprendizaje profundo

Irene Unceta,

La Interpretabilidad, clave en un mundo controlado por algoritmos