Alberto Muñoz

Reducción de complejidad

La magia detrás del SVD es el poder reducir la complejidad de datos que deben ser procesados para encontrar aquellas características de los fenómenos que queremos entender.

Desde hace muchos años uno de mis temas favoritos ante la insurgencia del poder cómputo es el de la predicción.

Más allá de especulaciones fantasmagóricas y fantasiosas, el comportamiento y la naturaleza humana son ciertamente difíciles de predecir con precisión. A lo más que se ha llegado es a identificar ciertos comportamientos en conductas estereotipadas, bastante útiles para darle cabida, por ejemplo a la inferencia estadística. Aunado a la capacidad cada vez más exquisita para poder predecir, el poder de cómputo se está además acercando a los eventos de interés: las tecnologías denominadas “on the edge” implican un resurgimiento interesante del impulso a la miniaturización de la tecnología y no solo de la capacidad de comunicación inmediata a grandes centros de cómputo en la nube.

De hecho, los denominados sistemas de alertas tempranas, son mejores alertas entre más tempranas son; y son más tempranas entre más rápido se puede determinar que un tal o cual estado en observación rebasa ciertos niveles hasta detonar un estado de emergencia al reducir la incertidumbre y poder predecir sin riesgo de generar una, denominada, falsa alarma.

Las máquinas y los humanos somos todavía muy diferentes, sobre todo en cuanto a la repetibilidad del comportamiento, haciendo por ende, muy complicado el poder representar y sobre todo, aceptar que un comportamiento inteligente es simplemente la asertividad efectiva ante circunstancias completamente desconocidas y no nada más la resolución de la incertidumbre como parte del aprendizaje perpétuo. Una de mis materias favoritas en la universidad fue Álgebra Lineal, años más adelante tuve la oportunidad de estudiar y aplicar un instrumental algorítmico conocido como SVD (Singular Value Decomposition) que puede considerarse como una generalización de la transformada de Fourier (conversión de una señal en un espectro de frecuencias).

Más allá de la romántica anécdota de haber vivido donde se supone que Fourier se inspiró para el desarrollo de los fundamentos que dieron pie a la transformada que tiene su nombre, la SVD ha venido a revolucionar desde los buscadores en internet (como el de Google) hasta otro tipo de aplicaciones más serias como el análisis de imágenes médicas para por ejemplo, la detección temprana de cáncer de mama.

La magia detrás del SVD es el poder reducir la complejidad (incluso el volumen) de datos que deben ser procesados para encontrar aquellas características (features) que pueden ser representativas de los fenómenos que queremos entender a partir de predicciones numéricas.

La lógica de primer orden que aprendimos desde la secundaria requiere la aplicación de reglas proposicionales con valores y condiciones perfectamente definidas. Al momento de relajar dicha precisión la predicción y explicabilidad comienza a deteriorarse. Por eso mismo, las computadoras pueden, gracias a los algoritmos como el SVD, llevar a cabo conjeturas interesantísimas, si somos capaces de estructurar y procesar datos significativos y que en realidad incluyan en su mayoría, las características básicas de interés.

Así, incluso los sitios - que dicen existen - para conseguir pareja, logran demostrar cierto éxito a pesar de lo complejo que somos los seres humanos. De la misma forma, los sistemas de recomendación de empresas como Netflix, Spotify y del tipo, “aprenden” a predecir con cada vez mayor certidumbre nuestros gustos, siempre y cuando puedan tener acceso a nuestra actividad, pero sobre todo, cuando nuestro comportamiento pueda representarse por un número considerable de parámetros identificables.

COLUMNAS ANTERIORES

Ética, inteligenia artificial y emprendimiento
TeslaBot 1.0

Las expresiones aquí vertidas son responsabilidad de quien firma esta columna de opinión y no necesariamente reflejan la postura editorial de El Financiero.