Desde la inteligencia artificial hasta los sistemas de análisis de datos, la tecnología utiliza modelos probabilísticos para trabajar con escenarios en los que no existe una respuesta completamente segura.
En las últimas décadas, todos los desarrollos informáticos compartían una misma promesa: al introducir una serie de datos correctos, se obtendría siempre la misma respuesta. Bajo esa lógica determinista, era posible calcular nóminas de empleas, realizar el orden de bases de datos, resolver ecuaciones complejas o determinar una hoja de cálculo.
Sin embargo, es sabido que el mundo es mucho más impredecible y complejo. Cuestiones cotidianas como el tráfico de la mañana, el clima durante los próximos días o el comportamiento de los mercados son muy difíciles de predecir, ya que no siguen reglas fijas. En otras palabras, la incertidumbre forma parte de su esencia. Y es allí en donde una nueva rama de la tecnología dice presente: los algoritmos probabilísticos.
La intención de este recurso digital no es predecir el futuro de una forma 100% completa. En cambio, tiene una promesa quizás más honesta: estimar qué resultados tienen más chances de ocurrir que otros. De esta manera, se asigna una probabilidad a cada escenario, lo cual puede aplicarse tanto a eventos deportivos como a situaciones políticas o sociales.
Cuando la certeza no está disponible
Los algoritmos probabilísticos no se encargan de responder qué es lo que ocurrirá y qué no, si no que pueden decir que algo “tiene un 65% de probabilidades de ocurrir”. Además, conservan un margen residual para tener en cuenta aquello inesperado o completamente impredecible. Como veremos, es algo que los propios humanos realizamos a diario.
Por ejemplo, un médico cuando sospecha un diagnóstico, luego debe ajustar sus hipótesis de acuerdo a los resultados de cada análisis y prueba que realice. Los algoritmos probabilísticos realizan el mismo camino: partir de una creencia inicial y, al ritmo de nuevos datos y acontecimientos, ver cómo se actualiza dicha creencia. Esto se conoce como “Inferencia bayesiana”.
De esta manera, las nuevas tecnologías permiten acumular miles de variables simultáneas y sin los sesgos humanos ni el agotamiento lógico que este razonamiento puede generar. Alternativas de entretenimiento como la ruleta europea en casinos online, el algoritmo de las redes sociales o incluso los pronósticos deportivos suelen apoyarse en este método.
Finanzas, meteorología y más
Aunque quizás nunca hayamos escuchado hablar de la inferencia bayesiana, la aplicamos más seguido de lo que parece y, al mismo tiempo, nos topamos con ella muy a menudo. Sin ir más lejos, cada vez que se consulta el pronóstico del clima, estamos ante esta forma de razonamiento. La frase “Hay un 60% de probabilidades de lluvia” no es un lugar común, es el resultado de ejecutar este procedimiento.
Esto resulta interesante para pensar en el razonamiento humano: la incertidumbre no se esconde bajo la alfombra, si no que se informa de manera cuantificada. Otro claro ejemplo de ello son los mercados financieros. Los modelos de riesgos se basan también en esta manera de pensar para estimar posibles pérdidas y ganancias, niveles de volatilidad o el comportamiento de un activo ante diferentes escenarios.
Ahora bien, los constantes desarrollos en nuevas tecnologías han acelerado y profundizado la inferencia bayesiana hasta dar con los algoritmos probabilísticos que ya son parte de muchas de las decisiones que tomamos cada día. Así, la incertidumbre se convierte en una parte más de la realidad y no se trata de eliminarla ni ocultarla, es una forma más de análisis.
La incertidumbre en primer plano
En sintonía con todo lo dicho, la incertidumbre deja de ser un defecto o algo a borrar del mapa para convertirse en una información valiosa en sí misma. La inteligencia artificial aplicada a la medicina, en ese sentido, no busca simplemente decir qué enfermedad o patología se encuentra en un análisis, sino también poder comunicar qué tan segura está de dicha información.
Esta posibilidad de intentar saber aquello que no se sabe tiene el nombre de cuantificación de la incertidumbre y se convirtió en un campo de investigación muy importante en los últimos años gracias a la llegada de la IA a distintos campos y disciplinas. Después de todo, un error de la inteligencia artificial puede tener consecuencias muy importantes.
¿Qué límites tiene predecir lo imprevisible?
Dicho todo esto, conviene no perder el foco. Por más sofisticación que haya en los recursos tecnológicos actuales, la incertidumbre sigue siendo impredecible. Sí se puede gestionar mejor, pero no quita que un algoritmo que se nutre de datos históricos pueda fallar ante eventos disruptivos o inesperados.
Lo que se conoce como “cisnes negros”, es decir sucesos muy extraños y con un fuerte impacto, son el punto ciego de cualquier sistema que se base en algoritmos probabilísticos. Es por ello que muchos expertos insisten en la necesidad de utilizar e integrar a estos recursos como un soporte de la decisión humana y no reemplazarla por completo. Después de todo, la probabilidad no es una sentencia.
Conclusión final
A pesar de los intentos históricos del ser humano, convivir con la duda sigue siendo una parte crucial de su desarrollo y evolución. El camino de la tecnología así lo marca: por más sofisticados que puedan ser los análisis en torno a la incertidumbre, ella seguirá estando allí y marcando el ritmo del destino. Solo queda integrarla como parte de todo análisis.
