Los videojuegos que predicen el futuro mejor que los políticos

Seguimos un lunes más con estas entradas que quieren conocer y entender algo de este mundo nuestro y su apasionante futuro.

Dice Oliver Lewis, investigador de la universidad de Oxford y alto funcionario del gobierno británico durante varios años, que los creadores de ficciones (películas, videojuegos, televisión) tienen una mayor capacidad para predecir el futuro que los responsables de elaborar las políticas públicas. La afirmación, aunque suene a ya oída, no está basada en suspicacias sino en estudios. Lewis es junto a Chris DeFaria y Mike Capps fundador de la Near Future Society, una comunidad que agrupa a especialistas en el terreno del entretenimiento, la tecnología y las políticas públicas, para analizar los retos que afrontaremos en un futuro cercano. La organización nació después del primer Improbable Forum, organizado por el gobierno británico, el BAFTA (Academia Británica de las Artes Cinematográficas y de la Televisión) y el estudio de videojuegos Improbable. Bajo el título “Realidades artificiales: políticas, persuasión y narrativas”, los asistentes -procedentes de campos tan distintos como la geopolítica y los videojuegos- discurrieron durante dos días sobre la necesidad de construir nuevos discursos para explicar las grandes cuestiones que el planeta abordará en los próximos años. Y, sobre todo, cómo deben de ser esos discursos en un marco como el actual en el que existe una gran tensión internacional y las sociedades miran con desconfianza a los gobiernos. En 2019 tendrá lugar la segunda edición del foro, en el que se reflexionará sobre cuatro temas: cómo acabar con la polarización mundial, derechos civiles y seguridad, la inteligencia artificial y el futuro del concepto de verdad.

Las historias que nos contamos tienen una gran importancia en la forma en que pensamos y en cómo actuamos. De ahí que desde la Near Future Society estén investigando cómo construir esos nuevos relatos que nos impulsen a compartir experiencias, hagan crecer la esperanza y promuevan acciones colectivas. Oliver Lewis cree que ha llegado el momento para que los políticos dejen a un lado sus prejuicios acerca de los creadores de ficción y empiecen a trabajar con ellos: “pasar tiempo con autores de ciencia ficción y gente del mundo del entretenimiento nos ofrece una imagen más certera de cómo va a ser el futuro que si lo hacemos con legisladores”.

4 comentarios sobre “Los videojuegos que predicen el futuro mejor que los políticos

  1. Que un ordenador pueda predecir el futuro no es tan novedoso como cabría esperar. De hecho, cuando buscas en Google, por ejemplo, la red neuronal del buscador es capaz de predecir las palabras que quieres utilizar. También lo hacen los anuncios o las sugerencias de restaurantes según dónde te encuentres. Pero unos investigadores de la universidad de Bonn, Alemania, quieren llevar un paso más allá el proceso de predicción: su software es capaz de anticiparse a las acciones y necesidades antes, siquiera, de que surjan.
    Literalmente, es capaz de predecir el futuro varios minutos. ¿De qué es capaz este software y cuáles son sus limitaciones?
    Qué hace. El software, al igual que otros algoritmos predictivos, es capaz de detectar patrones existentes en una acción (como hacer una búsqueda en Internet) y anticiparse a las necesidades del usuario. El software, tal y como han demostrado en la universidad de Bonn, es capaz de marcar diversos patrones complejos (como los que hay en preparar una ensalada), identificarlos, cuantificar el tiempo que llevan y, después de un entrenamiento, predecir cómo se van a repetir varios minutos antes de que ocurran.
    ¿En qué se diferencia? A diferencia de estos otros algoritmos, este sofware es capaz de aprender de acciones muy complejas a partir de un vídeo. Es decir, es capaz de aprender y predecir acciones físicas, del mundo real, y no solo acciones estadísticas relacionadas con la interacción con un ordenador. Pero, además, es capaz de predecirlas con minutos de antelación. Al final, el programa es capaz de definir toda la acción, y la duración de cada una de sus partes, para anticiparse a las necesidades del usuario incluso antes de que este sepa cuáles son, o lo que es lo mismo, predecir el futuro inmediato.
    Cómo se “entrena”. Para llevar esto a cabo, el software, cuyo núcleo está formado por una red neuronal convolucional, una red basada en algoritmos de Deep Learning, aprende a partir de los vídeos de cierta acción. Por ejemplo, en el estudio se entrenó al algoritmo con más de cuatro horas de vídeo, de los investigadores haciendo una ensalada durante unos seis minutos, más o menos. Los vídeos eran distintos tanto en la receta como en los “chefs”. Después, se puso a prueba al algoritmo con vídeos que nunca había visto de alguien haciendo una ensalada.
    Los resultados son muy positivos, con un gran porcentaje de acierto tanto en las acciones como en el tiempo de realización. Cuanto más se entrenan este tipo de algoritmos basados en Deep Learning o Machine Learning, más eficientes se vuelven.
    Qué aplicaciones tiene. Es difícil relacionar una ensalada con Minority Report, desde luego. Por el momento estamos lejos de acercarnos a la realidad de la película, por mucho que lo estamos intentando, pero eso no quiere decir que no estemos haciendo grandes avances. Este tipo de software es capaz de predecir acciones y, por tanto, bien entrenado, y mejorándolo, podría utilizarse en un asistente personal, parecido a Siri o a Alexa, pero con un mayor potencial. Imaginemos usarlo de base en una casa domotizada, en un coche autónomo o, por qué no, en un robot.
    Además, al ser capaz de detectar los patrones a partir del vídeo, aunque no es el primer trabajo que analiza esta posibilidad, abre una puerta muy interesante al mundo de la ciencia predictiva.
    Cuál es el futuro de la ciencia predictiva. Este sector está teniendo un gran crecimiento en interés en la última década, con el auge del Machine Learning. Predecir el futuro es poder porque nos ayuda a trabajar con la información de antemano. Por eso tantas grandes compañías trabajan sobre sus propios algoritmos predictivos, especialmente relacionados con Internet y marketing, pero también con la salud o con la economía. Por el momento, parece que la tecnología está en sus primeros estadios, pero las expectativas son muy altas. Y el objetivo no es otro que vivir en un mundo en el que nuestras necesidades sean atendidas antes, siquiera, de que lleguemos a saber que estaban ahí.

    Me gusta

  2. Que un ordenador pueda predecir el futuro no es tan novedoso como cabría esperar. De hecho, cuando buscas en Google, por ejemplo, la red neuronal del buscador es capaz de predecir las palabras que quieres utilizar. También lo hacen los anuncios o las sugerencias de restaurantes según dónde te encuentres. Pero unos investigadores de la universidad de Bonn, Alemania, quieren llevar un paso más allá el proceso de predicción: su software es capaz de anticiparse a las acciones y necesidades antes, siquiera, de que surjan.

    Literalmente, es capaz de predecir el futuro varios minutos. ¿De qué es capaz este software y cuáles son sus limitaciones?

    Qué hace. El software, al igual que otros algoritmos predictivos, es capaz de detectar patrones existentes en una acción (como hacer una búsqueda en Internet) y anticiparse a las necesidades del usuario. El software, tal y como han demostrado en la universidad de Bonn, es capaz de marcar diversos patrones complejos (como los que hay en preparar una ensalada), identificarlos, cuantificar el tiempo que llevan y, después de un entrenamiento, predecir cómo se van a repetir varios minutos antes de que ocurran.

    ¿En qué se diferencia? A diferencia de estos otros algoritmos, este sofware es capaz de aprender de acciones muy complejas a partir de un vídeo. Es decir, es capaz de aprender y predecir acciones físicas, del mundo real, y no solo acciones estadísticas relacionadas con la interacción con un ordenador. Pero, además, es capaz de predecirlas con minutos de antelación. Al final, el programa es capaz de definir toda la acción, y la duración de cada una de sus partes, para anticiparse a las necesidades del usuario incluso antes de que este sepa cuáles son, o lo que es lo mismo, predecir el futuro inmediato.

    Cómo se “entrena”. Para llevar esto a cabo, el software, cuyo núcleo está formado por una red neuronal convolucional, una red basada en algoritmos de Deep Learning, aprende a partir de los vídeos de cierta acción. Por ejemplo, en el estudio se entrenó al algoritmo con más de cuatro horas de vídeo, de los investigadores haciendo una ensalada durante unos seis minutos, más o menos. Los vídeos eran distintos tanto en la receta como en los “chefs”. Después, se puso a prueba al algoritmo con vídeos que nunca había visto de alguien haciendo una ensalada.

    Los resultados son muy positivos, con un gran porcentaje de acierto tanto en las acciones como en el tiempo de realización. Cuanto más se entrenan este tipo de algoritmos basados en Deep Learning o Machine Learning, más eficientes se vuelven.

    Qué aplicaciones tiene. Es difícil relacionar una ensalada con Minority Report, desde luego. Por el momento estamos lejos de acercarnos a la realidad de la película, por mucho que lo estamos intentando, pero eso no quiere decir que no estemos haciendo grandes avances. Este tipo de software es capaz de predecir acciones y, por tanto, bien entrenado, y mejorándolo, podría utilizarse en un asistente personal, parecido a Siri o a Alexa, pero con un mayor potencial. Imaginemos usarlo de base en una casa domotizada, en un coche autónomo o, por qué no, en un robot.

    Además, al ser capaz de detectar los patrones a partir del vídeo, aunque no es el primer trabajo que analiza esta posibilidad, abre una puerta muy interesante al mundo de la ciencia predictiva.

    Cuál es el futuro de la ciencia predictiva. Este sector está teniendo un gran crecimiento en interés en la última década, con el auge del Machine Learning. Predecir el futuro es poder porque nos ayuda a trabajar con la información de antemano. Por eso tantas grandes compañías trabajan sobre sus propios algoritmos predictivos, especialmente relacionados con Internet y marketing, pero también con la salud o con la economía. Por el momento, parece que la tecnología está en sus primeros estadios, pero las expectativas son muy altas. Y el objetivo no es otro que vivir en un mundo en el que nuestras necesidades sean atendidas antes, siquiera, de que lleguemos a saber que estaban ahí.

    Me gusta

  3. NO ESTAN DE ACUERDO

    Cada cierto tiempo aparece en Internet un mensaje de Twitter o un vídeo de YouTube que predicen con total exactitud acontecimientos que sucedieron meses después. Detrás de estos casos no hay magia ni viajes en el tiempo, sino engaños orquestados con elevadas dosis de paciencia y habilidad.

    En noviembre de 2016 apareció un vídeo de YouTube atribuido a Anonymous en el que se predecía con todo lujo de detalles la victoria de Donald Trump. El vídeo enlazaba a perfiles en redes sociales como Flickr y archivos en Dropbox con documentos relativos a los votos en cada estado que probaban la conspiración. Todos los documentos e imágenes habían sido subidos meses antes a las elecciones. Cuentas como FIFA Corruption han llegado a predecir resultados de partidos de fútbol y hasta jugadas concretas.

    El matiz de todas esas prediciones es que siempre se hacen virales después de que pase el incidente sobre el que hacen la predicción, nunca antes, lo que ya debería hacer sospechar. La razón es que todas siguen el mismo esquema. Andy Baio describe el funcionamiento de estas estafas con todo lujo de detalles en un excelente artículo de Medium.

    Un número limitado de resultados

    La clave para que este engaño funcione es que sea un acontecimiento difícil de predecir y con un número limitado de posibles resultados. Tanto las elecciones en Estados Unidos como un partido de la FIFA cumplen ese criterio. En un partido de fútbol o gana un equipo, o gana otro, o empatan, y un penalti solo se puede pitar a favor de un equipo o del otro.

    La esencia del truco es elegir uno de esos acontecimientos meses antes de que tenga lugar y publicar tuits, actualizaciones o vídeos con todos los resultados posibles. YouTube permite publicar vídeos y dejarlos fuera del alcance del público el tiempo que queramos. La API oficial de Twitter también permite escribir tuits sin que la cuenta sea vista por nadie hasta que el usuario la active. Podemos apoyar nuestra conspiración con todas las imágenes o documentos fabricados que queramos. Simplemente debe haber tantas “pruebas” como posibles resultados.

    En Facebook, el procedimiento es tan sencillo como escribir una actualización y programarla (icono de calendario) para que quede en el pasado. Nadie se molesta en comprobar que hemos trasteado con la fecha. Solo ven que se hizo antes del acontecimiento. Facebook hasta te pregunta si quieres “recordar” el mensaje a tus amigos.

    Después, lo único que hay que hacer es esperar a que el acontecimiento se resuelva, borrar todo lo que sea incorrecto y hacer públicos los resultados que sí aciertan. El sesgo de supervivencia hace que creamos solo los datos que han llegado a nosotros sin preocuparnos de buscar los que han desaparecido en el proceso de selección. Obviamente, una búsqueda con algo de conocimientos revelará que se han borrado decenas de mensajes incorrectos en esa cuenta, pero esto es algo que el usuario medio nunca hace.

    ¿Por qué alguien podría querer organizar un engaño de semejantes proporciones y que lleva tanto trabajo? Las respuestas son variadas. La mayor parte de las veces es una simple broma. Otras forman parte de campañas orquestadas para crear un clima de desconfianza o desprestigiar la imagen de un político o una institución. Tanto la predicción sobre Trump como las de la cuenta FIFA Corruption van en esta línea. Finalmente están los que buscan simple notoriedad. El estallido de tráfico de una de estas bromas probablemente sea demasiado breve como para sacarle algún provecho económico, pero nunca se sabe.

    Lo peor del sesgo se supervivencia es que no solo se utiliza para promocionar una adivinación con fines virales o crear una teoría conspiranoica. Las compañías lo usan todo el tiempo para promocionar solo los datos que les son positivos, sea el resultado de laboratorio de un nuevo fármaco o el éxito de una ronda de financiación. El truco es tan viejo como las ganas del hombre de estafar a sus semejantes. [más información: Medium Mic y PLOS One]

    Me gusta

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión /  Cambiar )

Google photo

Estás comentando usando tu cuenta de Google. Cerrar sesión /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión /  Cambiar )

Conectando a %s