Aprendizaje Bayesiano
La probabilidad predicha, P(C), para algún evento futuro, C, como que alguien compre tu producto o servicio, algún estudiante abandone la escuela secundaria, haya una inundación o un incendio forestal, ocurra una fuga en un oleoducto, alguien contraiga una enfermedad y muchos otros, está en el corazón de responder a las preguntas más fundamentales: ¿Quién? ¿Qué? ¿Dónde? y ¿Cuándo? para tu negocio, organización o como individuo.
Las respuestas a estas preguntas inevitablemente dependen de una serie de factores, X, que pueden cambiar con el tiempo a medida que nueva información esté disponible. A la luz de esta información, nuestra estimación previa P(C) para el evento puede cambiar P(C) —> P(C|X), donde P(C|X) es nuestra estimación posterior a la información X. A veces tenemos suficiente información para calcular las probabilidades como frecuencias, como cuando lanzamos una moneda y contamos cuántas veces obtenemos cara. A veces esto no es posible. Cuando preguntamos “¿lloverá mañana?”, solo hay un mañana. En este caso, las probabilidades se convierten en creencias o plausibilidades. Esta es la interpretación bayesiana de la probabilidad. Es cómo funciona nuestro cerebro y está en el corazón de la Inteligencia Humana, encapsulando nuestra intuición, experiencia y conocimiento.
Nuestras creencias P(C) pueden cambiar mediante los datos X. Esto es el aprendizaje. Incluso se puede expresar matemáticamente:
P(C|X) = P(X|C)P(C)/P(X)
donde P(X|C) es la probabilidad de que observemos los datos X en los casos donde ocurre el evento C. Aunque podemos aprender a la luz de nuevos datos, a menudo ese aprendizaje es insuficiente. De hecho, esto está en el centro de muchos de los mayores problemas de la humanidad, donde, desafortunadamente, elegimos los datos que mejor se ajustan a nuestras creencias.
Es la Revolución de los Datos la que puede proporcionar información que nos permita corregir los sesgos en nuestras creencias. Luego se necesita la Inteligencia Artificial para calcular P(X|C) cuando están involucrados muchos factores X. En el corazón de la Plataforma HIPRE de Presage se encuentra esta combinación de Inteligencia Humana e Inteligencia Artificial utilizando un marco bayesiano para crear modelos de predicción que sean transparentes, de modo que las contribuciones de cada factor individual a P(C|X) puedan identificarse, cuantificarse, interpretarse mediante la Inteligencia Humana y luego actuarse en consecuencia.