Читать книгу Ser digital - Manuel Ruiz del Corral - Страница 8

Cuando saber ya no implica entender

Nuestra mente nos reta. ¿Y si Christine no hubiera comprado esos tres productos juntos? ¿Y si los hubiera comprado en otro momento? ¿Y si no hubiera sido usuaria de Facebook? ¿Y si hubiera vivido en otro lugar? ¿Y si no hubiese llovido aquel mes? ¿Fue todo una casualidad?

Todo ello es indiferente. Lo relevante es que Andrew acertó, y que de algún modo contempló también la casualidad en su modelo matemático. Su chistera mágica convirtió lo circunstancial en esencial, creando una nueva realidad como resultado de su predicción y anticipándose al libre albedrío de dos personas comunes.

La historia de Christine y Andrew está basada en hechos reales sobre la cadena americana Target, publicados por el New York Times Magazine en 2012(R). De forma anecdótica –y puede que tan cómica como inquietante–, este caso nos desvela la revolución silenciosa provocada por la nueva ciencia de los datos.

Esta nueva forma de entender la sociedad y el mercado se caracteriza, por encima de todo, por un profundo cambio de modelo en la relación del ser humano con la tecnología: ya no solo consumiremos la tecnología para mejorar nuestra calidad de vida, sino que, en gran medida, pasaremos también a ser sus clientes y no tanto sus dueños.

Cualquier dato nuestro que pueda extraerse es muy valioso para alimentar modelos predictivos inteligentes como el de Andrew. Estos modelos recopilan los datos de forma masiva y constante, sacando conclusiones al momento. Y, lo más importante, aprenden de su propia experiencia: cada predicción exitosa de embarazo reforzaba el modelo de Andrew, y por el contrario, cada error lo corregía y reajustaba.

En otras palabras, la tecnología está ya capacitada para aprender de forma similar a como aprendemos los seres humanos en nuestra forma más primaria. La exposición a infinidad de estímulos nos permite aprender la relación causa-efecto por condicionamiento y por repetición, sin necesidad alguna de entender las leyes que rigen dicha relación. Si un niño acerca la mano al fuego, se quema. Y si repite el gesto, se vuelve a quemar. Su cerebro aprende entonces la relación causa-efecto y predice que en presencia de fuego se quemará si extiende la mano. Se interioriza así un patrón de comportamiento que consiste en evitar acercarse al fuego. El niño «sabe» que se quemará. No necesita entender las razones físicas de esa combustión para actuar, ni probablemente lo necesite nunca como adulto. Es así, por exposición, repetición y condicionamiento(R), como aprendemos e interiorizamos muchos hábitos de pensamiento y conducta que rigen gran parte de nuestra vida y de los que muchas veces no somos conscientes, que se integran en lo que llamamos «personalidad».

Las máquinas solo pueden aprender de esta forma tan eficiente si las alimentamos con enormes cantidades de datos. Hablo de millones de datos, de miles de millones, en adelante. Cuantos más datos incorporemos a los modelos, mejores patrones de causa-efecto podrán detectar, mejor será el aprendizaje y más ajustada será la predicción del efecto ante una causa nueva.

Así, por ejemplo, la cadena americana de grandes almacenes Walmart decidió aumentar de forma significativa la producción de galletas y su distribución en aquellos centros amenazados de forma inminente por un huracán tropical. Sus modelos predictivos habían detectado que, ante la amenaza de estos fenómenos meteorológicos, sus clientes comprarían muchas más galletas de lo normal. Y esa decisión comercial, a priori tan sencilla y económicamente razonable, aportó muchísimos más beneficios a la empresa que otras grandes campañas comerciales basadas en el lanzamiento de productos más caros y sofisticados. Por supuesto el sentido común parece justificar este patrón por la tendencia de las personas a comprar productos no perecederos ante la amenaza de aislamiento, pero sin duda pocos departamentos comerciales hubieran asumido una decisión así de forma espontánea. Precisamente Walmart es hoy una de las referencias de estudio de mercado en el campo del Big Data y el análisis predictivo.

Esta teoría del aprendizaje de las máquinas, que es la base de la inteligencia artificial (con la que tanto ha fantaseado el cine), empezó a desarrollarse en 1950 gracias a los trabajos de Alan Turing(R) y otros científicos. Sin embargo, sus aplicaciones cotidianas (como los casos de Andrew o de las galletas de Walmart) no han sido factibles hasta esta segunda década del siglo XXI por dos razones fundamentales.

La primera de ellas es que el mercado ya ofrece, a un precio razonable, soluciones informáticas suficientemente potentes como para procesar millones o billones de datos de forma rápida. La segunda es que solo ahora es viable obtener estos datos de forma masiva, constante e individualizada gracias al despliegue de los dispositivos móviles personales y su acción transformadora de los hábitos de pensamiento, conducta y de las relaciones sociales de la población de los países desarrollados. Este último aspecto es especialmente relevante y será desgranado poco a poco en las próximas páginas.

Cada búsqueda en Google, cada imagen que se comparte en una red social, cada recomendación, cada «me gusta», cada palabra que escribimos en un chat, cada vez que compartimos donde estamos o como nos sentimos, cada vez que medimos nuestras calorías en el iPhone después de hacer ejercicio… en general, cada vez que abrimos las puertas de nuestra vida a cualquier aplicación (gratuita o no) a través de nuestros dispositivos (smartphone, «tableta», ordenador...) permitimos que nuestra ubicación, nuestros hábitos y nuestros gustos, emociones y contactos pasen a formar parte de ese flujo incesante de datos que alimenta a las grandes empresas y que, en última instancia, tiene un valor económico incalculable.

La tendencia de mercado es inequívoca: capturar y almacenar la máxima cantidad posible de datos, por irrelevantes que parezcan, ya que nunca se sabe cuando un modelo predictivo podrá detectar un patrón oculto que genere una diferencia competitiva.

Es por ello que estamos pasando de ser los dueños de nuestra tecnología y disfrutar de sus innumerables ventajas (inmediatez, acceso a la información, comunicación de cualquier tipo en cualquier momento, etc.) a ser también sus clientes y a estar sometidos a las reglas de mercado que, dicho sea de paso, tenderán a ser gobernadas también por las máquinas y su inteligencia predictiva (hablaremos posteriormente del «Internet de las cosas»). Predicciones que generan nuevas realidades cotidianas y un cambio de las reglas de competencia: en 2016, dos de cada tres películas que se vieron en Netflix(R) fueron fruto de una recomendación automática, al igual que la tercera parte de las compras que se realizaron en Amazon(R).

Es evidente que gran parte del éxito comercial de estas iniciativas se sustentará en garantizar la obtención del dato directamente de la fuente y en cualquier lugar donde esta esté; de ahí la fuerte apuesta por el desarrollo de los sensores y de los dispositivos personales y móviles (smartphones hoy, o cualquiera de sus evoluciones en el futuro). Por eso es imprescindible implantar hábitos de conexión permanente en la sociedad, de forma que las personas participemos de forma activa o pasiva en mantener el incesante flujo de datos. Si estos hábitos generan además dependencias y transformaciones profundas en los modelos sociales, la tendencia será irreversible y las inversiones tendrán un retorno económico claro.

Sin duda, los cambios en la forma de entender la vida y las nuevas dependencias han formado parte siempre de cualquier revolución y, muy en particular, de las tres revoluciones industriales anteriores a esta cuarta que, según los expertos, estamos iniciando. Como nos ha demostrado la Historia, muchas de las nuevas dependencias serán éticamente plausibles porque mejorarán nuestra calidad de vida dándole valor añadido; desde luego, hoy es tan complicado vivir sin luz eléctrica y sin automóvil como sin poder contactar con nuestros seres queridos en el momento que deseemos. Pero no debemos perder de vista que muchos diseños aceptados pueden fomentar la adicción a la tecnología a través de la manipulación premeditada de nuestra atención y promoviendo nuevos hábitos de comportamiento apoyados en la recompensa inmediata, la compartición y la comparación social. Solo así pueden explicarse fenómenos tan virales y masivos como, por ejemplo, los que supusieron las aplicaciones Candy Crush (2012) o Pokemon Go (2016)(R).

Debiera ser importante para el hombre del siglo XXI ser consciente de ambos modelos de dependencia tecnológica. La irracional resistencia al cambio y al progreso nunca será el camino, y así lo ha demostrado nuestra naturaleza. Pero solo estando despierto, el ser humano evitará despojarse de aspectos esenciales de su vida y entregarlos gratuitamente a las redes de lo impuesto por las nuevas relaciones de poder.

o