El futuro es percibido por el ser humano como un espacio de incertidumbre y por ende, como un espacio de lo deseable con el que poder ordenar el presente para darle significado al pasado. La incertidumbre constante del mañana marca la realidad social en la que vivimos y a pesar de que planificamos conscientemente nuestras acciones futuras, hay acontecimientos externos que son impredecibles y que no podemos controlar.
Esta necesidad constante por anticiparse a los acontecimientos con la intención de minimizar o maximizar sus consecuencias futuras, ha llevado a ser humano a desarrollar métodos matemáticos y de estrategia prospectiva, no ya solo para predecir la ocurrencia de un hecho (óptimo o pésimo), sino para reducir notablemente la incertidumbre en torno a su ocurrencia.
La tecnología disponible en la actualidad ofrece herramientas capaces de analizar cantidades ingentes de información con el fin de establecer patrones de comportamiento que permitan predecir acciones futuras de carácter cíclico sobre las cuales actuar para prevenir sus consecuencias a medio o largo plazo. Como ya vimos en el blog, las técnicas de análisis masivo de datos gracias al algoritmo de Big Data han suscitado el interés de los investigadores por el desarrollo de técnicas de predicción científica de acontecimientos en campos como la medicina, la meteorología, la sociología o la economía, entre otros.
Existen muchas iniciativas al respecto que tratan de extraer información útil a partir del análisis masivo de la información que circula a través de internet. Recorded Future, por ejemplo, analiza noticias, artículos de blogs y mensajes de redes sociales mediante algoritmos de análisis de datos, para extraer información útil que ayude a establecer estrategias de negocio para empresas e industrias, basadas en la predicción de las preferencias y hábitos de consumo. Dentro del campo de la medicina, Google Flu Trends ha desarrollado un sistema que monitoriza en tiempo real la búsqueda de palabras clave en las redes sociales para rastrear los brotes de gripe en el mundo.
Pero de las últimas investigaciones llevadas a cabo en este campo, destacamos el trabajo de un equipo de investigadores de Microsoft y del Instituto de Tecnología Technion de Israel, que está desarrollando un software para analizar los archivos recopilados durante 22 años de The New York Times, los archivos de Wikipedia y 90 sitios web, con el objetivo de predecir acontecimientos como futuros brotes de enfermedades, disturbios o accidentes mortales.
Eric Horvitz, científico y director adjunto del Centro de Investigaciones de Microsoft y Kira Radinsky del Instituto de Tecnología Technion, describen su trabajo en un artículo recién publicado, “Mining the Web to Predict Future Events”. En el explican, por ejemplo, de qué manera desastres naturales como las tormentas y las sequías pueden servir para predecir futuros brotes de cólera en Angola, con el fin de poner medios que permitan minimizar sus consecuencias con cierta antelación.
Según explican Horvitz y Radinsky, el software que están desarrollando ofrece ventajas importantes con respecto a los métodos convencionales de predicción llevados a cabo por los expertos. Pero, ¿qué ventajas ofrece este software con respecto a los métodos convencionales?
- Aprendizaje: el software tiene la capacidad de establecer patrones a partir del análisis de grandes cantidades de datos y numerosas fuentes de información. Incorpora la posibilidad de establecer nuevas relaciones probabilísticas a lo largo del tiempo y seguir monitorizando en tiempo real, además de predecir y alertar sobre el incremento de la probabilidad de un acontecimiento concreto.
- Investigación constante: gracias a su capacidad de análisis del programa a lo largo del corpus histórico y en tiempo real, puede establecer relaciones y conclusiones que una persona sería incapaz de obtener, ya que los expertos suelen centrar más su atención en el conocimiento que en el descubrimiento de nuevos hallazgos a partir del estudio de los recursos disponibles.
- Objetividad: dado que el software analiza de forma automática y en tiempo real hechos y datos ocurridos en el pasado, puede establecer probabilidades de forma objetiva, por muy remotas que sean, sobre un acontecimiento futuro, a pesar de que sean descartadas por los expertos al considerarlas remotamente imposibles.
- Acceso a la información: el sistema puede supervisar hechos futuros, lo cual permite tener acceso a noticias que, a pesar de su poca relevancia, podrían proporcionar información decisiva sobre la evolución de próximos acontecimientos.
Un de los problemas a los que se han enfrentado los investigadores en el desarrollo del software se encuentra en el acceso a los acontecimientos poco divulgados en los medios y que podrían ser relevantes en el análisis. Por tanto, han tenido que rediseñar el software para que aprenda a generalizar los ítems de búsqueda y contabilice noticias que por su poca relevancia mediática serían pasadas por alto dentro del proceso.
Otro de los inconvenientes del software es la capacidad de discretizar conceptos que podrían atribuirse a hechos diversos. En este sentido, Horvitz y Radinsky tuvieron que enseñar al software a asociar hecho y consecuencia de forma correcta para no llevar a errores. Por ejemplo, el sistema fue capaz de reconocer que la sequía experimentada en Nueva York en marzo de 1989, publicada en el New York Times bajo el título «Declarado estado de emergencia por sequía», no se asocia con un brote de enfermedad, y que la probabilidad de los brotes de cólera causados por la sequía se producen en poblaciones densas situadas en los países subdesarrollados y no en las proximidades de grandes masas de agua.
En el MIT Technology Review, Eric Horvitz explicó el proyecto y en qué medida es posible anticiparse al futuro gracias al uso de las nuevas tecnologías y el desarrollo de sistemas de software específicos. «Esto es sólo un presagio de lo que está por venir», dijo, y aseguró que con el tiempo, «este tipo de trabajo tendrá cierta influencia en el día a día de las personas».
Imagen | vía Pixabay
