Elaborado por Materia para OpenMind Recomendado por Materia
4
Inicio Nuevas tecnologías para simular el futuro
03 enero 2020

Nuevas tecnologías para simular el futuro

Tiempo estimado de lectura Tiempo 4 de lectura

Imaginemos un consejo de ministros reunido para evaluar cómo hacer frente al estallido de un conflicto entre dos grupos étnicos en su país. ¿Pueden herramientas como la inteligencia artificial llegar a predecir qué impacto tendrán las medidas propuestas y así facilitar la decisión sobre si adoptarlas? Preguntas de este tipo se abren paso entre expertos de las ciencias sociales, atraídos por la posibilidad de aprovechar tecnologías en auge para elaborar modelos predictivos y simulaciones capaces de respaldar a políticos y administradores. Hay voces más optimistas que ven amplias perspectivas hasta en temas como la previsión de flujos migratorios o la contención de epidemias, pero también opiniones más escépticas. El debate se aviva: ¿hasta qué punto podemos llegar?

La cada vez más poderosa capacidad computacional ofrece ya la posibilidad de crear simulaciones de fenómenos sociales complejos. En particular, destaca el papel que puede jugar la Inteligencia Artificial Multi Agente (MAAI, por sus siglas en inglés), un sistema que permite simular artificialmente de manera especialmente afinada situaciones donde interactúan de forma simultánea distintos actores, conformando una sociedad virtual que recuerda al videojuego The Sims.

BBVA-OpenMind-Materia-Nuevas tecnologías para simular el futuro 2
Se han creado modelos de simulación que intentan predecir las tasas de obesidad en Estados Unidos. Fuente: Pxhere

Un ejemplo es el modelo artificial que creó un equipo de investigación internacional para evaluar con experimentos digitales qué impacto podría tener la llegada de un grupo de refugiados en un país de Europa Occidental. Pero puede haber otros. “Hemos realizado modelos que intentan predecir las tasas de obesidad en Estados Unidos o la probabilidad de conflictos violentos entre religiones, por nombrar algunos”, asegura a OpenMind Saikou Diallo de la Old Dominion University de Virginia (EEUU), uno de los investigadores involucrados en estos estudios. También se pueden usar estas simulaciones para analizar aspectos como la integración en las ciudades de vehículos autónomos, agrega.

Diallo asegura que el valor añadido de la MAAI es “la capacidad de elaborar preguntas y medidas políticas en detalle y comprender los matices involucrados en el estudio de los sistemas sociales”. El resultado, es que se pueden observar “comportamientos totalmente impredecibles”, así como intentar aplicar soluciones simuladas “muy innovadoras”, ya que en el entorno virtual no hace falta tener en cuenta las restricciones morales y éticas del mundo real, añade. 

Como ejemplo de una medida experimentable en este contexto, pone el de que las compañías de seguro ofrezcan a los trabajadores bonos laborales para impulsar el ejercicio físico y así contrarrestar el problema de la obesidad. En resumen, afirma el investigador, el objetivo de este tipos de modelos es “apoyar la política para que tengan un impacto diario a largo plazo”. 

¿Por qué ganó Boris Johnson?

Flaminio Squazzoni, docente de la Universidad de Milán (Italia), sugiere que otro aspecto de interés es estudiar “la polarización de las opiniones colectivas” hacia los extremos, como sucedió con el Brexit y otros casos de actualidad política cuyas dinámicas atormentan a los observadores internacionales. De momento, asegura, los modelos que estos “laboratorios virtuales” permiten analizar se quedan en un nivel “teórico”, útil para entender mecanismos de base. ¿Por qué Boris Johnson arrasó en las últimas elecciones en Reino Unido?,  Calibrar la simulaciones con respecto a situaciones reales es clave para poder dar respuesta a una pregunta de ese tipo, agrega Squazzoni.  

BBVA-OpenMind-Materia-Nuevas tecnologías para simular el futuro 3
Calibrar la simulaciones con respecto a situaciones reales es clave para poder dar respuesta a preguntas como por qué ganó Boris Johnson. Crédito: johnhemming

El potencial de estos sistema de sociología computacional llama la atención de políticos y administradores. “Testar las políticas en un simulador de escenarios puede cambiar la manera en la que se toman las decisiones”, dice Squazzoni. En opinión de Diallo, los modelos multiagente permiten “diseñar decisiones” que, dentro de la simulación, “cambiarán la historia”. Pero, matiza, hay que recordar que las simulaciones “viven en su propio tiempo y espacio, por lo eso no implica directamente que las cosas que suceden en la simulación vayan a suceder en el mundo real”. 

Derek Groen, de la Brunel University London, hace hincapié en las limitaciones de estas técnicas. Según mantiene, sistemas basados en la Inteligencia Artificial o el Big Data pueden presentar problemas cuando los datos disponibles están sesgados, o si un fenómeno analizado presenta aspectos sujetos a la incertidumbre. Además, agrega, obtener una simulación fiable a través de la combinación de estas tecnologías puede requerir en ciertos casos un trabajo de validación excesivo como para que valga la pena. “Simular todos los aspectos de una ciudad o del mundo con la MAAI es una idea ridícula”, zanja. 

Groen ya expresó en si día su escepticismo sobre la posibilidad de predecir con la inteligencia artificial el destino de los migrantes obligados a desplazarse por el impacto del cambio climático, un tema que interesa a algunas instituciones y empresas tecnológicas. En ese caso, escribió en un artículo en The Conversation, los factores a tener en cuenta para afinar la previsión son demasiados como para creer que ya es posible predecir con tecnología dónde irán los refugiados. La falta de antecedentes en las dinámicas de ciertos flujos migratorios o las variables políticas pueden alterar esas predicciones.

Cuando los datos se cruzan con la ética

Por su lado, Squazzoni invita a no confundir los modelos de simulación computacional con los sistemas predictivos basados en Big Data. Los primeros, dice, se construyen con base en el método experimental y permiten formular y validar hipótesis en un entorno digital, con el objetivo de “comprender los mecanismos de fondo” de fenómenos sociales antes que de predecirlos. Los segundos, contrasta, se plasman con datos recogidos no específicamente en un trabajo experimental predeterminado, sino procedentes de fuentes variadas y recolectados con otros fines. 

Es difícil predecir con tecnología dónde irán los refugiados. La falta de antecedentes o las variables políticas pueden alterar las predicciones. Crédito: SV

Por eso, en su opinión los sistemas predictivos basados en Big Data pueden ayudar a prever la evolución de tendencias, pero no a analizar las causas profundas de esos fenómenos. Así, no es un aumento en el volumen de los datos recopilados lo que nos puede permitir predecir fenómenos como el Brexit, sino entender en el fondo lo que los ha generado, asegura Squazzoni. Como ocurre muchas veces cuando se habla de nuevas tecnologías, también existen objeciones de tipo ético. Diallo afirma que los modelos de simulación virtual pueden llegar a plantear escenarios “muy peligrosos” debido a la falta de restricciones morales de los entornos digitales en las que se desarrollan. Groen alerta de que si una herramienta predictiva es de acceso restringido puede darse el caso de que una “organización o facción” en concreto la use para aprovecharse de grupos de personas que desconozcan cómo usarla. Un ejemplo, agrega, podría ser si hubiese un instrumento para predecir con precisión la probabilidad de que una determinada ciudad sea atacada en un día concreto durante un conflicto bélico.

Francesco Rodella

@francrodella

Comentarios sobre esta publicación

El nombre no debe estar vacío
Escribe un comentario aquí…* (Máximo de 500 palabras)
El comentario no puede estar vacío
*Tu comentario será revisado antes de ser publicado
La comprobación captcha debe estar aprobada