Algoritmos sería “el conjunto de reglas que, aplicadas sistemáticamente a unos datos de entrada apropiados, resuelven un problema en un número finito de pasos elementales”, conforme a la definición del profesor de la facultad de Informática de la UCM, Ricardo Peña. Para este experto es importante notar que “el algoritmo tiene que ser finito y ejecutar las instrucciones de manera sistemática, es decir, es ciego ante lo que está haciendo y los pasos con los que opera son elementales”.
Da gusto que conceptos tan complejos puedan definirse tan sencillamente. Pero es que en el fondo también esta definición es un algoritmo, donde sintáctica y semántica responden a un juego de equilibrios alfanuméricos que acaban teniendo significado. Puede que en la vida todo responda a un orden numérico, no en vano hay quien especula que está dinámica es tan antigua como la propia matemática, pero aún no habíamos reparado en ella.
Uno de los promotores del uso de algoritmo es un joven investigador estadounidense, Ian Goodfellow, que ha tenido la ingeniosa aportación de crear, partiendo de simples códigos operacionales, las llamadas “redes generativas antagónicas”, un enfoque del aprendizaje automático. La verdadera utilidad según los entendidos es emplear los algoritmos para la toma de decisiones automatizadas, prediciendo situaciones futuras en forma de probabilidades, aplicando fórmulas a grandes conjuntos de datos: es el caso de las apuestas, de los estudios de consumo, de la intención de voto, etc.
Dicen los entendidos que estás predicciones pueden arrojar resultados injustos o perjudiciales, en tanto en cuanto no tienen en consideración comportamientos, repercusiones emocionales, y que éstas se sustituyen por otros datos superfluos que en nada enriquecen el resultado. Incluir en una evaluación de tendencias la talla del zapato, el consumo medio de azúcar o el color de los ojos de los encuestados, nada aporta, pudiendo generar un sesgo en otras direcciones.
Algunos expertos señalan que utilizar la inteligencia artificial para evaluar probabilidades, por ejemplo, de reincidencia de un delincuente, puede tener un sesgo: el de aquellos que lo diseñan al sustituir estos items sobre las repercusiones emocionales por otros, como ya hemos comentado, menos o nada relevantes.
Esta información en cambio resulta muy enriquecedora, nunca mejor dicho, para los departamentos de riesgos de bancos, seguros, departamentos de recursos humanos, etc., que son los encargados de evaluar esas posibles incidencias, anticipando de forma casi mágica qué resultados dará este producto, este mecanismo o esta persona.
Cada vez que tomamos una decisión comercial y dejamos un rastro de nuestra presencia en forma de tarjetas de fidelización, de descuento o de abono, estamos facilitando una información desproporcionada que, cruzada con otros miles de variables, diseña un perfil preciso, milimétrico, exacto, de todos y cada uno de nosotros. Es aquí donde juegan un papel muy importante las Agencias de Protección de Datos que cada Estado ponga a disposición de sus conciudadanos para proteger la información confidencial y evitar un uso utilitarista o incluso perjudicial para el consumidor final.Los poderes públicostienen también una encomienda de alta responsabilidad al normar las condiciones de uso,imposibilitando el abuso de las nuevas tecnologías.
"Las personas no somos un sumatorio de datos, cada uno de nosotros y sumados todos confeccionamos un Big Data que genera dinámicas productivas a gran escala"
En el caso que nos ocupa en esta tribuna, que es el asunto sanitario, ¿se imaginan ustedes cuántas variables podrían salir de cruzar nuestros diagnósticos con nuestros fármacos prescritos, con nuestros datos personales, con nuestros hábitos de consumo, con nuestras costumbres culinarias, con nuestros gustos vacacionales, forma de vida, hábitat… y no sigo para no dar más pistas…Serían interesantísimas las conjeturas que se podrían postular. Algunas podrían resultar muy beneficiosas para pacientes, pero si dejamos a la loca de la casa, la imaginación, campar a sus anchas podríamos también concluir en otros resultados cargados de perversión.
Lo digo allá por dónde voy: las personas no somos un sumatorio de datos, cada uno de nosotros y sumados todos confeccionamos un Big Data que genera dinámicas productivas a gran escala. Sin embargo, no debemos olvidar que, aunque todas estas máquinas puedan llegar a reducir el riesgo de error, la decisión final siempre será humana. No debiéramos prescindir de ese gran matiz.
El tema es muy sencillo. Todas nuestras decisiones y conductas podrían secuenciarse y del análisis repetitivo reflejado en el Big Data extraer aproximaciones que reduzcan los errores en las previsiones. Acertar en las probabilidades tiene una lectura económica de primera magnitud en cualquier esfera objeto de nuestro estudio.