¿Pueden las matemáticas predecir qué vas a hacer en el futuro?

Los buenos científicos no solo pueden descubrir patrones en las cosas que estudian sino también usar esta información para predecir el futuro.

Los meteorólogos estudian la presión atmosférica y la velocidad del viento para crecimiento de un tumor en función de su tamaño y desarrollo actuales. Un analista financiero puede tratar de predecir los altibajos de una acción en función de cosas como la capitalización de mercado o el flujo de caja.

Quizás aún más interesante que los fenómenos anteriores es el de predecir el comportamiento de los seres humanos. Los intentos de predecir cómo se comportarán las personas han existido desde los orígenes de la humanidad. Los primeros humanos tenían que confiar en sus instintos. Hoy en día, los especialistas en marketing, los políticos, los abogados y más se ganan la vida prediciendo el comportamiento humano. Adelantarse al comportamiento humano, en todas sus formas, es un gran negocio.

Entonces, ¿cómo hacen las matemáticas para predecir nuestro propio comportamiento en general?

A pesar de los avances en el análisis del mercado de valores, la economía, las encuestas políticas y la neurociencia cognitiva, que en última instancia se esfuerzan por predecir el comportamiento humano, es posible que la ciencia nunca pueda hacerlo con absoluta certeza.

Datos más grandes y mejores

Históricamente, al hacer predicciones, los científicos se han visto limitados por la falta de datos completos, confiando en cambio en pequeñas muestras para inferir las características de una población más amplia.

Pero en los últimos años, el poder computacional y los métodos de recopilación de datos han avanzado hasta el punto de crear un nuevo campo: la inteligencia de datos (big data). Gracias a la enorme disponibilidad de datos recopilados, los científicos pueden examinar las relaciones empíricas entre muchas variables para distinguir las señales del ruido.

Por ejemplo, Amazon utiliza análisis predictivos para adivinar qué libros nos pueden gustar en función de nuestro historial de compras o navegación anterior. De manera similar, las campañas publicitarias en línea automatizadas nos dicen qué vehículos nos pueden interesar en función de los que has buscado el día anterior.

Los especialistas en marketing utilizan los registros de nacimiento para decidir cuándo inundarlo con anuncios de productos para bebés. Incluso adivinan cuándo necesitará esas cosas según la etapa de desarrollo de su hijo.

No es una ciencia compleja, de verdad. Es simplemente tener información (datos) que muestran patrones y explotarlos en nombre de la previsibilidad (y, a menudo, de las ganancias).

Aunque, de nuevo, medir la precisión de estos algoritmos es difícil para el no iniciado, hay algunos trabajos que revelan qué hace que estos algoritmos funcionen.

Modelos matemáticos

Muchas herramientas de predicción se basan en el aprendizaje automático ( machine learning), entre las que se incluyen algoritmos matemáticos que se basan en los principios biológicos de la función cerebral y utilizan grandes cantidades de datos para aprender patrones.

Los algoritmos de aprendizaje automático pueden predecir con precisión el resultado de los casos de la Corte Suprema, utilizando predictores tales como la identidad de cada juez, el mes del argumento, el peticionario y otros factores. Aunque la precisión de la salida del algoritmo es solo de aproximadamente el 70 por ciento, en realidad se ha probado que supera a los expertos legales humanos.

Se ha demostrado que otros algoritmos de aprendizaje automático predicen los intentos de suicidio con una precisión del 80 al 92 por ciento, posiblemente más precisos que incluso las mejores evaluaciones humanas.

Las matemáticas pueden incluso ser capaces de informarnos sobre el comportamiento terrorista que conduce a un ataque. En un estudio, los investigadores observaron registros de actividad terrorista en Irlanda, específicamente explosiones de artefactos explosivos mejorados. Después de un incidente, la probabilidad de otro incidente era mayor que no. En otras palabras, los eventos no fueron independientes. Tal conocimiento podría ser útil para una comunidad, quizás eligiendo movilizar esfuerzos inmediatamente después de un solo ataque en previsión de otro.

¿Es posible la predicción perfecta?

El big data ha hecho que los métodos de predicción sean cada vez más precisos. Pero, ¿se puede alcanzar la perfección en la predicción del comportamiento humano?

La ecuación más básica es la de Y = f(X), que dice: "Y es una función de X". Ingrese un valor para X, y el científico le dirá el valor probable para Y. Cuanto más complejo sea el modelo, mayor será la necesidad de más entradas, por lo que la ecuación simple se vuelve mucho más complicada.

Por supuesto, no siempre funciona. Los huracanes toman trayectorias no previstas por los modelos meteorológicos. Los tumores crecen más lento o más rápido de lo previsto. Los científicos, al igual que cualquier otra persona, rara vez, si es que alguna, predicen a la perfección. No importa qué datos o modelo matemático tenga, el futuro aún es incierto.

Entonces, los científicos tienen que permitir el error en nuestra ecuación fundamental. Es decir, Y = f(X) + E, donde “E” abarca nuestra incapacidad para predecir perfectamente. Es la parte de la ecuación que nos mantiene humildes.

A medida que se desarrolla la tecnología, los científicos pueden encontrar que podemos predecir el comportamiento humano bastante bien en un área, mientras que aún nos falta en otra.

Es muy difícil dar una idea general de las limitaciones. Por ejemplo, el reconocimiento facial puede ser más fácil de emular porque la visión es uno de los muchos sistemas de procesamiento sensorial humano, o porque las caras pueden diferir de muchas maneras. Por otro lado, predecir el comportamiento electoral, especialmente con base en las elecciones presidenciales de 2016, es otra historia. Hay muchas razones complejas y aún no comprendidas por las que los humanos hacen lo que hacen.

Aún otros argumentan que, al menos en teoría, esa predicción perfecta algún día será posible. Hasta entonces, con un poco de suerte, las matemáticas y las estadísticas pueden ayudarnos a dar cuenta cada vez más de lo que la gente, en promedio, hará a continuación.

Este artículo fue publicado originalmente en The Conversation. Lea el artículo original.

* Daniel J. Denis es profesor de Psicología en la Universidad de Montana

* Briana Young es investigadora de la Universidad de Montana