Gli algoritmi di apprendimento intelligenti di Numenta

Jeff Hawkins ha una lunga esperienza nel predire il futuro. Il fondatore di Palm e inventore del PalmPilot, ha passato gli anni '90 a parlare di un mondo in arrivo in cui tutti avremmo portato potenti computer nelle nostre tasche. Nessuno ci credeva allora, la gente pensava che fossi pazzo, dice. Ovviamente sono entusiasta del successo del mobile computing oggi.

Qual è il prossimo: L'inventore del PalmPilot negli anni '90, Jeff Hawkins, ha ora sviluppato una nuova serie di algoritmi predittivi ispirati al funzionamento della neocorteccia, il centro di pianificazione del cervello.

Nella sua attuale azienda, Numenta , Hawkins sta lavorando a un'altra idea che sembra provenire dal campo di sinistra: copiare il funzionamento del nostro cervello per creare software che prenda decisioni rapide e precise per le aziende odierne inondate di dati. Lui e il suo team stanno lavorando sui loro algoritmi dal 2005 e si stanno finalmente preparando a rilasciare una versione pronta per essere utilizzata nei prodotti. La tecnologia di Numenta si rivolge a una varietà di applicazioni, come giudicare se una transazione con carta di credito è fraudolenta, anticipare ciò che un utente Web farà successivamente o prevedere la probabilità che un particolare paziente ospedaliero subisca una ricaduta.

Ciò che questi esempi hanno in comune è che contengono schemi complessi che si evolvono nel tempo, afferma Hawkins. Gli algoritmi possono analizzare ed estrapolare da quei modelli perché prendono in prestito tecniche da parti del cervello umano che si sono evolute per interpretare dati complessi che arrivano dai nostri sensi e usarli per prevedere cosa potrebbe succedere.

Alcune aziende stanno già mettendo alla prova l'ultimo approccio di Numenta. Sm4rt Security Services, un'azienda di sicurezza informatica con sede a Città del Messico, è uno di questi. Siamo stati assunti da una delle migliori banche del mondo per dimostrare che questa nuova tecnologia era in grado di prevenire le frodi con le carte, afferma il CEO Victor Chapela. In soli tre mesi siamo riusciti a eguagliare l'accuratezza dei sistemi esistenti, che sono stati sviluppati in 25 anni.

La banca utilizzerà un controllore antifrode basato su Numenta insieme alle sue misure esistenti l'anno prossimo, dice. La banca subisce più di 100 milioni di dollari di frode ogni anno, dice, quindi tutto ciò che può tagliare anche solo una frazione di ciò ha un rimborso molto rapido.

La tecnologia di Numenta è attraente per le banche perché la sua capacità di apprendere dai dati precedenti elude un limite cruciale della tecnologia di prevenzione delle frodi. Il sistema informatico di una banca ha solo 10 millisecondi per decidere se autorizzare una transazione, afferma Chapela: Semplicemente non c'è tempo per cercare le transazioni passate di una persona. Di conseguenza, le transazioni sono generalmente suddivise in categorie ben definite e giudicate in base a regole specifiche per ciascuna, regole che hanno a che fare con caratteristiche come il tipo di carta, l'importo addebitato e il tipo di commerciante.

Ma la tecnologia di Numenta rende superflui questi insiemi separati di regole. Invece, un feed grezzo dei modelli di spesa di ogni persona viene utilizzato per addestrare una serie di algoritmi in modo che possano apprendere le abitudini di quel cliente. In ogni momento il sistema ha una rappresentazione interiorizzata degli eventi passati che utilizza per prevedere quali tipi di transazioni potrebbero verificarsi in seguito. Se una nuova transazione non soddisfa tali aspettative, può essere contrassegnata come potenziale frode. In questo approccio, i rilevatori di frodi sono sempre aggiornati, afferma Chapela. Un sistema analitico tradizionale, invece, deve avere le sue regole aggiornate in un laborioso processo che di solito viene svolto solo una volta ogni sei mesi.

L'ispirazione di Hawkins per la tecnologia sottostante proviene dalla neocorteccia, lo strato esterno rugoso del nostro cervello responsabile di attività come la parola, il movimento e la pianificazione. Sorprendentemente, queste abilità molto diverse emergono da un'architettura comune di neuroni, piuttosto che da diversi gruppi di neuroni con caratteristiche molto specifiche.

Hawkins ha preso in prestito quell'idea di un'architettura comune. Usiamo fonti primarie sulla neuroscienza come guida, quindi c'è un'enorme quantità di biologia in questo, dice. Gli algoritmi simulano i diversi strati di neuroni che elaborano le informazioni nella neocorteccia. Il livello inferiore riceve i dati di input grezzi e quindi passa una versione elaborata e condensata fino al livello successivo di algoritmi. Man mano che le informazioni ascende a quel modello gerarchico, vengono astratte dall'originale e vengono estratte le caratteristiche più salienti, afferma Itamar Arel , che lavora sull'apprendimento automatico presso l'Università del Tennessee.

La capacità del sistema di fare previsioni sugli eventi in corso è radicata nella sua capacità unica di elaborare dati temporali o dipendenti dal tempo. Il software di apprendimento convenzionale non può farlo, perché non può gestire input costituiti da molte variabili che cambiano nel tempo. Invece, gli ingegneri generalmente devono estrarre la manciata di variabili che ritengono utili e inserirle negli algoritmi.

Quella pre-elaborazione non è necessaria nei modelli ispirati agli studi sui cervelli biologici, dice Arel. Invece, il sistema di apprendimento può decidere da solo cosa è importante e cosa no. Questo è un campo emergente chiamato deep machine learning. La maggior parte degli sforzi accademici si concentra sull'elaborazione delle immagini, tuttavia, afferma. La particolarità di Numenta è che è in grado di gestire dati temporali, il che apre diversi tipi di applicazioni. Tra gli esempi che Hawkins immagina: le aziende potrebbero analizzare meglio il linguaggio umano oi modelli di utilizzo dell'elettricità negli edifici.

Ma mentre questo approccio aumenta la prospettiva di sistemi in grado di apprendere qualsiasi tipo di dati piuttosto che essere specializzati in un solo compito, Numenta deve ancora dimostrare che la sua tecnologia è ampiamente applicabile e conveniente. Non è nemmeno chiaro come l'azienda porterà la tecnologia sul mercato, ma probabilmente sarà sotto forma di strumenti di sviluppo piuttosto che di prodotti standard. Ora che la tecnologia funziona davvero, afferma Hawkins, il prossimo anno ci vedrà passare alla modalità di sviluppo del prodotto.

nascondere