nPredicción para 2030: Iluminaremos el mundo... de forma segura
n
He hablado con personas que me piden información sobre los modelos climáticos, pero que, en realidad, no están muy seguras de lo que me están pidiendo. Entonces les digo: "Supongamos que afirmo que algo pasará en 2030 con una probabilidad del 60 %. ¿Es esa probabilidad suficientemente para ustedes o necesitarán el 70 %? ¿O el 90 %? ¿Qué nivel de información quieren obtener de las proyecciones del modelo climático para que les resulte útil?"
nMe uní al grupo de Jim Hansen en 1979, y estuve allí durante todas las primeras proyecciones climáticas. La metodología para hacerlas en aquel momento todavía sirve. Lo que hemos hecho desde entonces es añadir detalles y mayor resolución, pero las proyecciones se basan realmente en el mismo tipo de datos, física y observaciones.
nAún así, hay cosas que nos faltan. Todavía no tenemos una teoría real de las precipitaciones, por ejemplo. Pero hay dos aspectos emocionantes que podrían ayudar en eso. El primero es la disponibilidad de las observaciones satelitales: el análisis de nubes todavía no se ha perfeccionado del todo. El otro aspecto es que antes no había forma de conseguir patrones regionales históricos de precipitaciones, y ahora sí. Los científicos encontraron unas cuevas en China y en otros lugares, en las que entran, buscan una pequeña cámara con estalagmitas, las cortan y las envían al laboratorio, donde realizan una fantástica datación mediante uranio-torio y miden isótopos de oxígeno en carbonato de calcio. De allí son capaces de explicar el registro de precipitaciones históricas. Los datos son increíbles: tenemos más de medio millón de años de registros de precipitaciones en toda Asia.
nNo creo que vayamos a reducir los combustibles fósiles para 2030. No veo que reduzcamos el CO2 o el metano atmosférico. En este momento, unos 1.200 millones de personas en el mundo carece de acceso a la electricidad, por lo que espero ver el crecimiento de la energía alte ativa hacia esas partes del mundo que no tienen luz. Eso es importante porque se relaciona con la educación, salud, con todo lo que tiene que ver con un nivel de vida occidental. Ahí es donde pongo mis esperanzas.
nAnne Lise Kjaer. Futurista, Kjaer Global, Londres (Reino Unido)
n
nPredicción para 2030: los adultos aprenderán a comprender nuevas ideas
n
Cuando era joven quería ser arqueólogo y, de alguna manera, lo soy. Los arqueólogos encuentran objetos antiguos e intentan conectar los puntos y contar una historia sobre cómo pudo haber sido el pasado. Los futuristas hacemos lo mismo: usamos objetos del presente e intentamos conectar los puntos con interesantes explicaciones del futuro.
nCuando se trata del futuro, existen dos opciones. Uno puede relajarse y pensar: "No me pasará a mí" y construir un gran muro para evitar las malas noticias. O puede elevar molinos y aprovechar los vientos del cambio.
nMuchas empresas acuden a nosotros creyendo quieren saber algo del futuro, pero en realidad, para ellos no es más que una tarea: marquemos esa casilla, hagamos un informe y lo colocaremos en nuestra estantería.
nEntonces tenemos una pequeña prueba para ellos. Hacemos entrevistas, les hacemos preguntas; luego usamos un modelo llamado Trend Atlas que analiza tanto las dimensiones científicas de la sociedad como las sociales. Observamos las tendencias en la política, economía, factores sociales, tecnología, medio ambiente, legislación. ¿Cómo encaja eso con lo que sabemos actualmente? Miramos hacia atrás unos 10 o 20 años: ¿veremos alguna tendencia y podremos intentar introducirla en el futuro?
n¿Que nos espera? Obviamente la tecnología nos permite educar mucho mejor que en el pasado. Pero es una gran oportunidad para educar a los padres de la próxima generación, no solo a los niños. Los niños están aprendiendo los objetivos de la sostenibilidad, pero ¿y las personas que realmente gobie an nuestro mundo?
nPhilip Tetlock Coautor de Superforecasting y profesor de la Universidad de Pennsylvania (EE. UU.).
n
nPredicción para 2030: mejoraremos el cálculo de la incertidumbre
n
En el Proyecto Buen Juicio (Good Judgment Project), intentamos rastrear la fiabilidad de los analistas y expertos en campos en los que generalmente eso se considera imposible. Nos centramos en un gran debate y lo dividimos en una serie de indicadores comprobables a corto plazo.
nPor ejemplo, el debate si las potentes formas de inteligencia artificial causarán grandes trasto os en los mercados laborales en el trabajo no manual para 2035, 2040, 2050. Ya existe mucha discusión en ese nivel de abstracción: pero, desde nuestro punto de vista, es más útil desglosarlo y decir: si estuviéramos en una trayectoria a largo plazo hacia un resultado como ese, ¿qué tipo de cosas esperaríamos detectar a corto plazo?
nLo empezamos en 2015, y en 2016 AlphaGo derrotó a los jugadores humanos en Go. Pero luego no pasó mucho más: los coches autónomos de Uber sin conductor no recogían a personas cobrándoles por el trayecto en ninguna de las principales ciudades estadounidenses a finales de 2017. Watson no superó a los mejores oncólogos del mundo en el diagnóstico médico. Así que no creo que estemos en un camino rápido hacia la peculiaridad, por así decirlo.
nLos pronósticos tienen el potencial de cumplirse o invalidarse: se podría decir que el Y2K fue un pronóstico invalidado. Pero es posible convertir eso en una competición de pronósticos haciendo preguntas condicionales: por ejemplo, ¿qué probabilidad hay de que X condicione nuestra decisión de hacer algo de esta u otra forma?
nLo que he visto en los últimos 10 años, y es una tendencia que espero que continúe, es una mayor apertura al cálculo de la incertidumbre. Creo que existe un movimiento reticente, lento pero creciente de pensar en la incertidumbre, y formas más detalladas y matizadas que permiten llevar la cuenta.
nKeith Chen. Profesor asociado de economía, UCLA (EE. UU.)
n
nPredicción para 2030: tendremos más y menos privacidad
n
Cuando trabajé en el algoritmo de aumento de precios de Uber, el problema que tenía que resolver era muy atrevido: intentábamos convencer a los conductores de que trabajaran más horas extra en los momentos en los más se necesitaban.
nHabía momentos predecibles, como el de Año Nuevo, en los que sabíamos que necesitaríamos mucha gente. El problema consistía en que, básicamente, se trataba de un sistema sin control. Era como intentar predecir las condiciones climáticas. Sí, la cantidad de datos meteorológicos que recopilamos hoy en día (temperatura, velocidad del viento, presión barométrica, datos de humedad) resulta 10.000 veces mayor que la que teníamos hace 20 años. Pero todavía no podemos predecir el tiempo 10.000 veces más allá de lo que podíamos en aquel entonces. Y los movimientos sociales, incluso en un ento o muy específico, como donde los pasajeros quieren ir en cualquier momento dado, resultan aún más caóticos que los sistemas meteorológicos.
nEn estos días, me dedico a algo parecido a la economía forense. Buscamos descubrir qué podemos encontrar y predecir a partir de los patrones de movimiento de las personas. Solo usamos datos simples de teléfonos móviles como la geolocalización, pero incluso solo a partir de los patrones de movimiento, podemos llegar a conclusiones relevantes y construir una dimensión psicológica de una persona. Lo que me aterroriza es que tengo datos mucho peores que Facebook. Entonces, ¿qué puede hacer Facebook con su información que es mucho mejor?
nCreo que el próximo gran punto de inflexión social reside en que las personas realmente empiezan a preocuparse por su privacidad. Será como fumar en los restaurantes: rápidamente pasará de causar indignación si alguien lo hace. Pero al mismo tiempo, hasta 2030, casi todos los ciudadanos chinos estarán completamente genotipados. No sé cómo conciliar los dos.
nAnnalee Newitz. Escritora de ciencia ficción y no ficción de San Francisco (EE. UU.)
n
nPredicción para 2030: veremos una tecnología mucho más humilde
n
Cada era tiene sus propias ideas sobre el futuro. Si volvemos a la década de 1950, veremos que la gente fantaseaba con coches voladores. Ahora imaginamos bicicletas y ciudades verdes con pocos coches, o donde los vehículos son autónomos. Nuestras prioridades hoy en día son totalmente diferentes, y eso se nota en nuestra comprensión del futuro.
nLos escritores de ciencia ficción no pueden hacer predicciones reales. Creo que la ciencia ficción se dedica a los temas que se plantean en el presente. Pero incluso aunque no somos capaces de decir lo que va a suceder definitivamente, lo que sí podemos hacer es ofrecer una variedad de escenarios basados en la historia.
nHay muchos mitos sobre el futuro que la gente cree que se harán realidad en estos momentos. Creo que muchas personas, no solo los escritores de ciencia ficción, sino también los que trabajan en el aprendizaje automático, creen que relativamente pronto tendremos un cerebro parecido al de los humanos funcionando en algún tipo de sustrato informático. Esto es tanto una reflexión de nuestro tiempo como algo que realmente podría suceder.
nParece poco probable que un cerebro en un ordenador similar al de los humanos esté a la vuelta de la esquina. Pero estamos en una era en la que muchos de nosotros sentimos que ya vivimos dentro de los ordenadores, por el trabajo y por todo lo demás. Entonces, por supuesto que tenemos fantasías sobre digitalizar nuestros cerebros y poner nuestros conocimientos dentro de una máquina o un robot.
nNo estoy diciendo que eso no pueda pasar. Pero parece estar mucho más cerca de nuestras fantasías actuales que de un avance técnico real en el horizonte.
nTendremos que desarrollar mejores tecnologías sobre el alivio de desastres y respuestas de emergencia, ya que habrá muchas más inundaciones, incendios, tormentas. Así que creo que habrá mucho más trabajo en las tecnologías realmente humildes que permitirán desconectar a una comunidad de la red eléctrica o purificar nuestra propia agua. Y no me refiero a una manera espeluznante de supervivencia sino solo a la forma en la que viviremos.
nFinale Doshi-Velez, profesora asociada de informática en la Universidad de Harvard (EE. UU.)
n
nPredicción para 2030: los humanos y las máquinas tomarán decisiones juntos
n
En mi laboratorio, intentamos responder a preguntas tipo: "¿Cómo respondería este paciente a este antidepresivo?" o "¿Cómo podría responder este paciente a este vasopresor?" Por eso obtenemos la mayor cantidad de datos posible de los hospitales. Para un paciente psiquiátrico, podríamos saberlo todo sobre su enfermedad cardíaca, renal, cáncer; para ofrecer una recomendación con el fin de mantener la presión arterial para UCI, tenemos toda la información de oxígeno, lactato y demás.
nAlgunos de ellos podrían ser relevantes para hacer predicciones sobre las enfermedades, otros no, y no sabemos cuál es cuál. Es por eso que pedimos un gran conjunto de datos con todo.
nDespués de una década de trabajo para obtener modelos de aprendizaje automático no supervisados para una mejor creación de estas predicciones, ninguno funcionó realmente bien. El avance para nosotros ocurrió cuando descubrimos que todos los enfoques anteriores para llevarlo a cabo estaban equivocados exactamente igual. Cuando lo resolvimos, se nos ocurrió un método diferente.
nTambién nos dimos cuenta de que incluso si nuestra capacidad de predecir qué medicamento va a funcionar no siempre es tan buena, somos capaces de predecir de manera más fiable qué medicamentos no van a funcionar, lo que es casi igual de valioso.
nMe entusiasma la posibilidad de combinar expertos humanos e inteligencia artificial para hacer predicciones. Si, por ejemplo, la IA tiene una tasa de error del 70 % y el experto humano también tiene la razón el 70 % del tiempo. Combinar los dos es difícil, pero si se consiguen fusionar sus éxitos, entonces se debería poder trabajar mejor que con cualquiera de los dos sistemas por sí solos. Cómo llevarlo a cabo es una pregunta realmente difícil y emocionante.
nTodos estos modelos predictivos fueron construidos y utilizados pero, la gente no pensó lo suficiente sobre los posibles sesgos. Tengo la esperanza de que vayamos a tener un futuro en el que estos equipos humano-máquina tomen decisiones que sean mejores que las anteriores.
nAbdoulaye Banire Diallo. Profesor, director del laboratorio de bioinformática, Universidad de Quebec en Montreal (Canadá).
n
nPredicción para 2030: el pronóstico basado en máquinas estará regulado
n
Cuando un agricultor en Quebec valora si inseminar una vaca o no, su decisión podría depender de la expectativa de leche que se produciría todos los días durante un año, dos años, tal vez tres años después de eso. Las granjas tienen sistemas de gestión que capturan los datos y el ento o de la granja. Participo en proyectos que añaden una capa de datos genéticos y genómicos para ayudar a pronosticar, para ayudar a los tomadores de decisiones como este agricultor a tener una visión completa cuando piensan en reemplazar las vacas, mejorar la gestión, la resiliencia y el bienestar animal.
nCon la aparición del aprendizaje automático y la inteligencia artificial, lo que estamos mostrando es que podemos ayudar a abordar los problemas de una manera que no existía antes. Lo estamos adaptando al sector lácteo, donde hemos demostrado que algunas decisiones pueden anticiparse con 18 meses de antelación solo con los pronósticos basados en la integración de estos datos genómicos. Creo que en algunas áreas, como la salud de las plantas, solo hemos logrado el 10 % o el 20 % de nuestra capacidad para mejorar ciertos modelos.
nHasta ahora, la inteligencia artificial y el aprendizaje automático se han relacionado con la especialización sectorial. No es algo disponible a un público amplio. Pero dentro de 10 años deberán ser regulados. Creo que hay muchos desafíos para los científicos como yo para intentar que esas técnicas sean más auditables, más transparentes y más controlables.
n