Nuestro Oráculo

Sibila® Monitoring and Prediction Systems™

Sibila® Monitoring and Prediction Systems™ es el ecosistema tecnológico propio de Alisios Corporation para la inteligencia ambiental y socioeconómica: abarca el seguimiento en tiempo real, el análisis de patrones históricos, las alertas basadas en umbrales y el pronóstico probabilístico a múltiples horizontes. Construido sobre un conjunto a medida de métodos no lineales de aprendizaje automático que no existen en el mercado, Sibila combina el reconocimiento de regímenes en espacio latente con una arquitectura de conjunto de expertos (mixture-of-experts), e integra modelos espaciales y modelos específicos de cada lugar para capturar toda la complejidad de los sistemas que analiza, desde las teleconexiones climáticas globales y las dinámicas socioeconómicas hasta señales muy locales.

El conjunto está informado por la física y por el conocimiento de cada dominio: la supervisión incorpora procesos físicos conocidos, relaciones socioeconómicas, restricciones regulatorias y dinámicas de mercado establecidas directamente en el aprendizaje y la inferencia, de modo que los resultados son internamente coherentes y útiles para la operación. Más allá del aprendizaje automático convencional, Sibila incorpora métodos avanzados de teoría de la información y de inferencia causal para identificar los verdaderos factores determinantes y no correlaciones espurias. El resultado es un sistema probabilístico multimodelo que ofrece inteligencia calibrada, con la incertidumbre rigurosamente cuantificada, en clima, salud, agricultura, energía, finanzas, aviación y otros sectores.

Los resultados llegan a quienes deciden a través de las Sibila Rooms, paneles interactivos para web, tableta y móvil.

¿Quiere probar Sibila? Contáctenos y solicite una demostración.

Ejemplo: un grafo causal fija qué puede influir en qué, y con qué retardo; los datos estiman después cada vínculo admitido, su incertidumbre y su forma. Un vínculo que el grafo prohíbe no puede usarse, lo que deja fuera las correlaciones espurias.
Ejemplo: un grafo causal fija qué puede influir en qué, y con qué retardo; los datos estiman después cada vínculo admitido, su incertidumbre y su forma. Un vínculo que el grafo prohíbe no puede usarse, lo que deja fuera las correlaciones espurias.