Fujitsu Limited e Inria, el Instituto Nacional Francés de Investigación en Ciencia y Tecnología digital, han anunciado el desarrollo de una nueva tecnología de IA que puede identificar los factores que contribuyen a las anomalías en las series temporales de datos (time series data).
En los últimos años, varios tipos de series temporales de datos recogidos en campos como la sanidad, las infraestructuras sociales y la fabricación han sido aprovechados por la IA para realizar juicios de situación y detectar anomalías. En el caso de los time-series data, sin embargo, hay una amplia gama de factores que pueden contribuir a la toma de decisiones de la IA. Esto significa que incluso a los expertos les resulta difícil advertir qué tipo de cambios en los datos han contribuido a la detección de una anomalía, lo que dificulta la adopción de medidas adecuadas para prevenir su aparición.
Fujitsu e Inria, más concretamente el equipo del proyecto DATASHAPE de Inria, dirigido por Frédéric Chazal en Francia, han desarrollado con éxito una nueva tecnología basada en el análisis topológico de datos (TDA) (1) que puede identificar los factores que contribuyen a la detección de anomalías por parte de la IA para las series temporales de datos y visualizar las diferencias en las decisiones de la IA durante circunstancias normales, así como en las anómalas.
Ambas compañías creen que esto contribuirá al análisis de las causas de las anomalías en los time-series data de diversos procesos, clarificando el mecanismo que rodea la ocurrencia de las anomalías, así como el descubrimiento de nuevas soluciones para las mismas.
Esta tecnología se presentará, entre el tan solo 3% del total de trabajos entregados, a modo de ponencia "Long Talk" en la Trigésimo Octava Conferencia Internacional de Machine Learning (ICML), la principal conferencia internacional en el campo del aprendizaje automático, que se inaugura virtualmente el 18 de julio de 2021.
Tecnología recién desarrollada