Unos investigadores de la Universidad de Copenhague han creado un nuevo sistema de interfaz que detecta si alguien se siente atraído o no por otra persona. El cerebro-computadora fue entrenado para captar la actividad neuronal del cerebro al ver la cara de una nueva persona y es capaz de predecir si le gustará o no.
El algoritmo que han diseñado es capaz de determinar si los usuarios evaluados encontrarán atractivas caras específicas incluso antes de que él mismo las vea. Según un comunicado de prensa de los investigadores, esta tecnología podría emplearse de manera similar a la de lista que Netflix ofrece en las recomendaciones o a los anuncios que se basan en nuestro historial.
En el estudio, los que han desarrollado el algoritmo afirman que han descubierto una firma neuronal para expresar preferencias en general, más allá de la atracción interpersonal. Tuukka Ruotsalo, el autor principal del estudio y científico informático de la universidad, ha explicado cómo funciona:
"Al comparar la actividad cerebral de otros, ahora también hemos encontrado que es posible predecir rostros que cada participante encontraría atractivos antes de verlos. De esta manera, podemos hacer recomendaciones confiables para los usuarios, al igual que los servicios de transmisión sugieren nuevas películas o series basadas en el historial de los usuarios".
"Debido a las normas sociales u otros factores, los usuarios pueden no revelar sus preferencias reales a través de su comportamiento en línea -ha apuntado Michiel Spapé, el coautor de la investigación-. Por lo tanto, el comportamiento explícito puede ser sesgado".
Frente a esto, el estudio podría ofrecer la verdadera atracción de los usuarios. Spapé ha señalado lo siguiente: "Las señales cerebrales que investigamos se captaron muy temprano después de verlas, por lo que están más relacionadas con impresiones inmediatas que son un comportamiento cuidadosamente considerado".
De alguna manera, este invento funcionaría como Tinder. Sin embargo, en vez de ser el usuario el que desliza hacia la derecha o la izquierda, el algoritmo seleccionaría las personas por las que podrías sentirte atraído.
Predecir, según la Real Academia Española, es anunciar por revelación, intuición, conjetura o conocimiento fundado, algo que puede suceder. Al mismo tiempo, extrapolar es aplicar a un ámbito determinado conclusiones obtenidas en otro.
Entonces, luego de estas definiciones, podemos decir que los algoritmos pueden predecir, no por revelación ni intuición, habilidades intrínsicamente humanas, sino por fundarse en datos del pasado, o de datos de otro contexto como medidas gubernamentales o cambios climáticos. Al mismo tiempo, podemos decir que los algoritmos pueden extrapolar, porque aplican conclusiones de un ámbito que afecta a otro.
Por ejemplo, si hay escasez de girasol en los dos mayores exportadores del mundo, pueden predecir y extrapolar un aumento en el aceite de girasol en los países importadores de este insumo y productores de aceite, como la Argentina.
Los algoritmos pudieron predecir la caída de rentabilidad de un coloso de los juguetes como Toys "R" Us, o de su misma bancarrota, dado que la compañía no cambió su modelo de negocios tradicional rápidamente hacia uno que involucre juegos 100% digitales, como sí lo hizo Nintendo que hace 100 años vendía naipes.
Pero… los algoritmos no pueden predecir la caída de dos aviones de Malaysia Airlines (uno de ellos por causa de un misil) en un mismo año con ratios de mantenimiento y antigüedad de sus aviones dentro de los estándares de la industria.
Tampoco pueden predecir la aparición de la Covid-19, como "cisne negro", concepto acuñado al filósofo libanés Nassim Taleb, que tanto resuena hoy. Tanto la caída de los dos aviones como la aparición de la Covid-19 cambiaron la historia de los datos de la aerolínea y del mundo respectivamente.
Pero como humanos nos cuesta cambiar nuestros patrones con datos históricos del pasado, y a los algoritmos también, dado que se entrenan con datos y les cuesta asumir la nueva normalidad basada sólo en pocos datos de los últimos meses, pero tan contundentes.
No obstante, pensar tener una compañía y no usar algoritmos para predecir el comportamiento de su cadena de valor o provisión es inviable de cara los próximos años, donde la productividad está y estará basada en el uso de datos en tiempo real de proveedores, industriales, transportistas, centros de almacenaje y finalmente clientes, que compartirán, con menos miedo a comprometer la confidencialidad, en beneficio de la integración y de la previsibilidad.
Zambullámonos en el mundo de la logística. Gigantes como DHL anunció hace dos años la inversión de u$s350 millones en 340 locaciones para bajar costos y optimizar productividad aplicando algoritmos de inteligencia artificial (IA).
Maersk, que opera en 130 países y tiene 600 barcos containers, usa esta tecnología para ganar visibilidad de capacidad en sus barcos y sus containers para saber cuáles están siendo subutilizados para reposicionarlos en otros barcos.
Amazon, la tercera compañía de mayor valuación del mundo, conu$s1,5 trillones, que es famosa por sus "predicciones" de distribución anticipatoria. Amazon sabe en EEUU cuando vas a comprar y desde dónde, y manda tu producto a un centro de distribución cercano para asegurar un traslado rápido y eficiente en términos de huella de carbono.
Los algoritmos de predictibilidad de IA pueden predecir mejor semanas y meses por adelantado basados en la demanda de clientes y su compartimiento de compra. Pueden predecir quiebres de stocks por falta de insumos y materia prima, capacidad colapsada u ociosa en líneas de producción, unidades de transporte insuficiente y, sobre todo, promesas a incumplir de tiempo de entrega al cliente.
Gran parte de la credibilidad de los clientes es la fecha/hora estimada de entrega, que paradójicamente, es una consecuencia de muchas variables anteriores. De hecho, MercadoLibre anunció hace unas semanas que evalúa ofrecer entregas en la Argentina en menor tiempo, como las que ofrece Amazon Prime que entrega en dos horas, pagando un adicional por recibir rápidamente un producto.
En todos los casos, los algoritmos nos llevan, luego de analizar millones de datos de distintos contextos, a un mundo de probabilidades de certezas, y son estas probabilidades que nos ayudan a tomar decisiones.