Presentación de la IA y el aprendizaje automático
Estamos orgullosos de compartir que hemos estado trabajando diligentemente en las mejoras tecnológicas de nuestra plataforma de consultoría. Nuestra última asociación estratégica con una prestigiosa universidad del Reino Unido ha dado lugar a la puesta en marcha de un proyecto de dos años de duración que, en última instancia, introduce la inteligencia artificial y el aprendizaje automático en nuestro análisis de materias primas. Puede encontrar más información sobre el proyecto a continuación.
Precios previstos en octubre de 2022 por nuestro modelo actual frente a los precios reales
Una nota del médico
Si nos remontamos a la época en que empezaron los datos sobre el algodón, en el siglo XIX, se creía que las estaciones y el clima eran el resultado de un poder superior. En el siglo XXI, la ciencia y la información modernas se han extendido por todo el mundo y con ellas han evolucionado las actitudes. Lo que antes se consideraba un fenómeno místico ahora se atribuye a la física y las matemáticas. Los patrones aparecen a nuestro alrededor y, a medida que ha aumentado la potencia informática, también lo ha hecho nuestra capacidad para identificar y modelar estos patrones. Desde los algoritmos de las redes sociales que parecen "escucharte" hasta los algoritmos de negociación bursátil que analizan las tendencias a escala mundial. Es sólo cuestión de tiempo que todos los fenómenos puedan reducirse a entradas y respuestas casi seguras.
El mercado de materias primas y el mercado de valores son los mayores procesadores de datos del planeta. Toman la información de una plétora de factores macro y micro, desde los acontecimientos mundiales hasta las emociones de los operadores, y la reducen a una sola métrica: el precio. El precio de una materia prima o de una acción sigue una lógica y unas pautas. La ciencia de los precios se ha estudiado durante milenios y, aunque algunos se han acercado a la predicción, la gran mayoría no se ha acercado a comprender el panorama completo.
¿Qué ha cambiado cambiado?
En primer lugar, muy pocas de las personas que han estudiado el precio con tanta atención han sido agnósticas en cuanto al precio. Por ejemplo, en el caso del algodón, tanto los agricultores como los productores tienen una dirección que esperan que tome el precio. Esta ha sido una de las razones por las que EAP ha tenido tanto éxito en la predicción del mercado en los últimos tiempos. No tienen una posición en los mercados que asesoran, por lo que leen los patrones sin una idea fija de la dirección. Esto ha llevado a EAP a desarrollar sus propios modelos y reglas y a respetar dichas reglas y modelos como haría cualquier analista de mercado agnóstico en materia de precios. Sin embargo, EAP no es el primer analista de mercado de su clase, ni el primero en desarrollar sus propios modelos. Es la introducción de la Inteligencia Artificial lo que está llevando a EAP al siguiente nivel.
La inteligencia artificial es una palabra de moda utilizada por científicos y periodistas por igual, pero en términos sencillos ¿qué significa y cómo se relaciona con el PAE? Es una forma de poner a prueba las teorías y la teoría en cuestión es la predicción de los precios del algodón y otros productos básicos y cereales. La precisión y utilidad de cualquier prueba de IA viene determinada por la calidad de dos factores: la información y el modelo utilizado para analizarla. EAP cuenta con más de 100 años de datos de calidad sobre los mercados de materias primas y sus modelos de análisis, de eficacia probada, han demostrado ser correctos una y otra vez. Los miles de datos que EAP ha recopilado sobre los precios, la oferta y la demanda y los acontecimientos macroeconómicos son demasiados para que un analista o un equipo de analistas los memoricen y consulten cada vez que los mercados se mueven, pero hemos desarrollado un programa informático que procesa y comprueba los patrones históricos del mercado en cuestión de segundos para ofrecer una predicción, en lugar de los días o semanas que tardaría una persona en procesarlos. Este modelo se mejora cada día. Este sistema de comprobación de patrones históricos está demostrando que las teorías de mercado de EAP son correctas o incorrectas y está refinando la precisión de las predicciones que ofrece.
En la actualidad, el modelo produce predicciones con una tasa de precisión del 80%, que ha sido y seguirá siendo mejorada a medida que el modelo de procesamiento de datos sea perfeccionado por el experimentado equipo de analistas de EAP. Esto no es posible sin la experiencia de la IA y es por ello que EAP se ha asociado con la Universidad de Liverpool, que aporta más de 30 años de experiencia en Inteligencia Artificial y ha expresado un gran interés en el modelo y su impresionante precisión en esta fase inicial. EAP está demostrando que los mercados no son aleatorios y modelizando los patrones que siguen. Estamos calculando los precios futuros, en lugar de predecirlos, y esperamos convertirnos en líderes de la ciencia de predicción de precios durante la próxima década.
Resumen del proyecto
Earlam and Partners (EAP) ofrece asesoramiento sobre productos básicos en el contexto de los mercados del algodón. EAP dispone de un modelo matemático para analizar la evolución de los precios, que contiene información de mercado, a la que se asignan ponderaciones manualmente para hacer predicciones, que se entregan en informes de mercado semanales.
Para prestar los servicios de EAP a gran escala, se requiere automatización y mayor precisión. Gracias a la IA explicable y ligera se pueden identificar los patrones que sustentan la ponderación de la información. Estos patrones pueden utilizarse para crear un sistema de predicción de precios de las materias primas (CPP) que sea a la vez ligero (se ejecuta en una máquina de escritorio estándar) y explicable (indica a los usuarios cómo se han obtenido las predicciones). La realización de predicciones en tiempo real mediante el sistema CPP propuesto ayudará a los clientes de toda la cadena de suministro a ser más resistentes y a gestionar mejor sus operaciones frente a la creciente volatilidad del mercado.
La visión es ampliar el alcance del algodón a otros productos básicos (soja, maíz, trigo, café, azúcar y cacao) en los que los agricultores y los fabricantes se ven cada vez más afectados por la volatilidad del cambio climático, la guerra y otros factores. Después de 10 años de desarrollo y perfeccionamiento de un modelo de análisis para el algodón, EAP necesita aportar experiencia académica en IA, para expandirse a más mercados y ayudar a más personas de lo que pueden por sí solos, de ahí la KTP propuesta.
Objetivo estratégico
EAP lleva más de 13 años prestando con éxito servicios de consultoría sobre productos básicos. EAP cuenta con procesos probados para la recopilación de datos y el suministro de información en 5 áreas: Los fundamentos del mercado del algodón (1), las posiciones de los fondos de cobertura en el algodón (2), la lectura de los patrones gráficos del algodón (3), el análisis estadístico estacional del algodón (4) y el análisis macro general (5). En la actualidad, la organización cuenta con un equipo de consultores formados cuyo trabajo consiste en prestar apoyo a la clientela existente para garantizar unas decisiones operativas y financieras bien informadas. EAP gestiona sus decisiones ponderando la información ("de 1 a 5" antes mencionada) en función de la experiencia y de la marcha exacta del mercado internacional, y está dirigida por Jo Earlam.
La visión de esta asociación es aportar la experiencia en modelización de Inteligencia Artificial de la Universidad de Liverpool y utilizarla para probar y mejorar el modelo matemático del PAE, que contiene información micro y macro, tanto actual como histórica. Se pueden hacer predicciones más eficaces de los precios de las materias primas, para una gama más amplia de ellas, aprovechando las herramientas y técnicas del aprendizaje profundo. Disponer de un software que refleje la toma de decisiones de los analistas de EAP ayudará a ofrecer una visión más consistente y enseñará a los analistas de la empresa a entender los mercados de forma más algorítmica y, por tanto, mejor. Gracias al desarrollo de un modelo de predicción de mercados con Inteligencia Artificial, la predicción de precios y los conocimientos serán cada vez más automatizados, precisos y oportunos, y la dependencia de la experiencia individual disminuirá.
EAP tiene la ambición de prestar sus servicios a través de programas informáticos y no como una consultoría tradicional que interactúa con los clientes únicamente a través de llamadas telefónicas y correos electrónicos. Recientemente, EAP ha construido una plataforma web para mejorar la escalabilidad de sus servicios. Sin embargo, el análisis está limitado por la capacidad de sus analistas internos. EAP no dispone de conocimientos internos sobre aprendizaje automático e inteligencia artificial, por lo que desea asociarse con una prestigiosa universidad británica. Al final de este proyecto, EAP planea tener un sistema que ofrezca predicciones de mercado automatizadas a las que se pueda acceder las 24 horas del día. Las predicciones se apoyarán en las consultas directas de los analistas de EAP, pero no dependerán de ellas.
Los informes quincenales son el medio actual a través del cual los clientes de EAP reciben información, estos informes se comparten con los clientes en cada parte de la cadena de suministro de algodón. En última instancia, esta asociación hará que el modelo de predicción de EAP sea más preciso y esté disponible bajo demanda, lo cual es disruptivo y no se parece a ninguna otra oferta de consultoría en este ámbito. Esta asociación tiene el potencial de transformar a EAP en líderes de la innovación en la consultoría de algodón y productos agrícolas.
Conocimiento perdido
La EAP está interesada en prestar sus servicios mediante un entorno en línea, el sistema de predicción de precios de productos básicos (CPP), que cuenta con un modelo de predicción de IA que es a la vez ligero y explicable. El entorno se alojará en una plataforma basada en la web (de ahí que el modelo deba ser "ligero") y se apoyará en mecanismos de IA que predecirán los índices de precios de los productos básicos de forma explicable. La visión es proporcionar apoyo a los productores, especialmente a los de algodón, en todo el mundo. No sólo a los grandes productores, sino también a los pequeños que cultivan unas pocas hectáreas.
La EAP considera que una solución de IA es fundamental para la realización de la plataforma propuesta. La realización de la plataforma requerirá una serie de tecnologías de IA de las que la EAP no dispone actualmente, entre ellas: (i) la limpieza de datos (Fase 1 del proyecto), (ii) predicción (Etapa del proyecto 1), (iii) la IA explicable y la IA ligera (Etapa del proyecto 2), (iv) visualización de datos (Etapa del proyecto 4) y (iv) el mantenimiento de la predicción de modelos (Etapa del proyecto 5). Todas ellas son áreas de la IA en las que el socio de la Base de Conocimientos tiene experiencia. La IA es uno de los dos pilares de investigación del Departamento de Ciencias de la Computación de Liverpool, que cuenta con una veintena de académicos, incluidos los supervisores de la base de conocimientos y el director académico. La IA explicable, o EXAI como se denomina frecuentemente, la IA ligera y el mantenimiento de los modelos de predicción son todas las áreas actuales de investigación en ciencias de la computación de interés para el socio de la Base de Conocimiento. ExAI está motivada por la necesidad global de ganarse la confianza de los usuarios finales de los sistemas de IA para poder aprovechar plenamente el potencial de la IA. Una forma de conseguirlo es proporcionar explicaciones sobre cómo los sistemas de IA toman decisiones. EAP cree que la explicabilidad es una característica esencial para su sistema CPP previsto; los clientes de EAP querrán entender cómo se llega a las predicciones realizadas por el sistema CPP. La IA ligera se ocupa de crear modelos de predicción de aprendizaje profundo que sólo requieren una cantidad limitada de potencia de procesamiento. La motivación es permitir el acceso al aprendizaje profundo utilizando dispositivos con una potencia limitada y, desde una perspectiva medioambiental, reducir la cantidad de energía que utilizan los sistemas de aprendizaje profundo. La idea fundamental es construir modelos de aprendizaje profundo y luego comprimirlos para que la red subyacente reduzca su tamaño. La EAP cree que la IA ligera será esencial, dado que desean ofrecer predicciones mediante una plataforma en línea. El mantenimiento de los modelos de predicción se ha convertido en una preocupación creciente, motivada por la idea de que no queremos volver a aprender los modelos de aprendizaje profundo cada vez que se disponga de nuevos datos, sino que sólo queremos actualizar las partes relevantes del modelo.