La startup francesa de deep-tech Pathway, cofundada por la CEO Zuzanna Stamirowska — autora del modelo de previsión del comercio marítimo de vanguardia publicado por la Academia Nacional de Ciencias de EE. UU. — abordó un problema que frena la digitalización logística: la falta de infraestructura de software capaz de realizar razonamiento automatizado sobre flujos de datos en tiempo real. Los sensores en contenedores de carga generan datos de seguimiento, pero los entornos de bajo ancho de banda retrasan la sincronización con la nube, produciendo una avalancha desajustada de datos retrasados y en vivo.
El framework reentrena continuamente sistemas de IA y LLM con datos en streaming, lo que permite revisar puntos de datos individuales sin una nueva carga completa por lotes — desaprendizaje automático, el desafío sobre el que Google lanzó una competición ese mismo verano. Con la naviera CMA CGM, Pathway mejoró la precisión de las ETA de salida de contenedores por puerta y mejoró las operaciones de terminal, acelerando los tiempos de manipulación de contenedores y reduciendo costes empresariales y medioambientales.
La empresa subraya que el enfoque es independiente del sector y abarca distintos tipos de datos — datos tabulares, series temporales, mensajes IoT, flujos de eventos, cosas en movimiento, grafos y ontologías — y afirma que se centra en el refinamiento del producto, incluidos casos de uso de observabilidad.
El desaprendizaje automático como producto: revisar un único punto de datos erróneo en un modelo entrenado sin reentrenarlo — una hoja de cálculo que recalcula solo las celdas dependientes.
Los datos de entrenamiento obsoletos o erróneos corrompen silenciosamente las salidas del modelo en empresas que operan con datos en streaming.
El reentrenamiento completo por lotes es demasiado lento y costoso para ejecutarlo cada vez que cambia un solo dato.
Las decisiones logísticas dependen de datos en tiempo real, por lo que las correcciones deben aplicarse mientras aún importan.
En datos que cambian rápidamente, la unidad de trabajo no es el conjunto de datos sino el hecho individual: diseñar sistemas que olviden y corrijan de forma continua.
Tech.eu informó del despliegue en CMA CGM como tracción en industrias que dependen de datos en tiempo real precisos, señalando al mismo tiempo que no existe una solución única para el desaprendizaje — los casos de lotes, streaming y LLM difieren entre sí. Pathway siguió centrada en refinar la plataforma para múltiples tipos de datos y sectores.
CONSULTA LAS PRUEBAS
Las fuentes
- Pathway bring real-time value to logistics through machine unlearning Tech.eu · tech.eu ·