¿Logrará la ciencia que seamos previsibles?

¿Se puede predecir el comportamiento del ser humano, conocer de antemano posibles conflictos armados y pronosticar correctamente el resultado de una elección? Una serie de ensayos, publicados en una edición especial de la revista Science, sostiene que sí.

Centrado en la reivindicación de los modelos predictivos como un complemento necesario para las ciencias sociales, este grupo de artículos resalta la importancia de aprovechar los algoritmos y los modelos de «Big Data» para poder anticipar los fenómenos.

«La naturaleza cada vez más computacional de la ciencia social está empezando a revertir este prejuicio tradicional contra la predicción», afirma uno de los artículos publicados.

Los científicos buscan así afinar sus herramientas para poder predecir desde el resultado de futuras elecciones hasta enfrentamientos bélicos.

Por ejemplo, Ryan Kennedy, de la Universidad de Houston, escribió un informe sobre la posibilidad de anticipar con mayor exactitud el resultado de una determinada elección, un fenómeno que en los últimos tiempos se ha vuelto difícil de predecir solo con encuestas.

Por ese motivo, Kennedy presenta un modelo que tiene entre un 80 y un 90 por ciento de precisión y que no solo incluye encuestas, sino también una serie de variables que van desde el nivel de inflación de un país hasta su calidad democrática.

Aunque uno de los textos propone incluso realizar una competencia de pronósticos para incentivar una mayor precisión, hay un consenso en los distintos artículos: el «Big Data» es el principal aliado de los expertos para construir mejores modelos predictivos.

«La explosión en los datos abiertos y los avances en el aprendizaje de las máquinas han revolucionado la forma en la que razonamos sobre el comportamiento humano», sostienen V. S. Subrahmanian y Srijan Kumar, dos autores que también colaboraron en esta edición especial.

Sin embargo, la intención de predecir el comportamiento humano presenta algunos desafíos que también están mencionados en este especial.

Estos autores reconocen que no siempre una mayor cantidad de datos ayuda a lograr un modelo predictivo más eficaz, debido a que también contiene «ruido», es decir, elementos que ensucian la información allí contenida.

«Por ejemplo, cuando identificamos ‘bots’ en Twitter que buscan crear una opinión positiva sobre un candidato político, tenemos que ignorar el alto número de ‘bots’ que tienen otros objetivos, como difundir correo basura o influir en opiniones sobre otros temas», explican.

Para ellos, «el comportamiento humano siempre está cambiando», lo que obliga a los científicos a prever cuándo dejarán de funcionar los modelos que utilizan, para desarrollar otros «antes de cometer demasiados errores».

Además, tres autores del centro Microsoft Research sostienen que es necesario estandarizar las prácticas y definir claramente cuáles son los límites para las predicciones en los sistemas sociales complejos.

«La precisión predictiva y la interpretación deben ser reconocidas como complementos, no sustitutos, cuando se trata de evaluar explicaciones. Resolver estos temas llevará a una ciencia social mejor y más útil», concluyen.