Investigadores en el Reino Unido han creado un algoritmo que sigue tus propios patrones de movilidad y se ajusta a las anomalías añadiendo patrones de personas en tu grupo social (definidas como aquellas que se tienen como contactos entre ellas en sus teléfonos inteligentes).
El método es extraordinariamente preciso. En un estudio con 200 personas que autorizaron ser seguidas el sistema acertó, como media, con menos de 20 metros de error el lugar en que una persona determinada estaría 24 horas más tarde. El error promedio fue de 1.000 metros cuando el mismo sistema trató de predecir la dirección de una persona solo a partir de sus movimientos anteriores y sin usar a sus amigos, afirma Mirco Musolesi, científico informático en la Universidad de Birmingham, que dirigió el estudio.
Advierte que los 200 participantes tal vez no reflejen la población en general, ya que todos ellos vivían a 30 kilómetros de Lausana, Suiza, y eran principalmente "estudiantes, investigadores y personas que de todos modos son bastante predecibles". Aun así, señala que los resultados fueron notables porque "estamos en esencia aprovechando el ritmo sincronizado de la ciudad" para conseguir un mayor conocimiento de la predicción.
Aunque todavía es un prototipo de investigación, el algoritmo de predicción, que se describe en este trabajo, podría ser muy beneficioso para los operadores de redes móviles si se demuestra una aplicación más amplia. Estas empresas ya disponen de esos datos y podrían utilizarlos para proporcionar una serie de recomendaciones más nítidas o anuncios de restaurantes o tiendas cerca de los lugares a donde es probable que vayas. El grupo de Musolesi está planeando construir una plataforma de desarrollo basada en el algoritmo.
Este trabajo fue parte del concurso Mobile Data Challenge, patrocinado por Nokia, en el que el grupo de Birmingham ganó 3.000 euros. Otros trabajos salidos del evento se pueden encontrar aquí. Todos los proyectos se basaron en el mismo conjunto de datos procedentes de teléfonos inteligentes de 200 voluntarios, quienes permitieron el seguimiento de su localización, patrones de comunicación, uso de aplicaciones y otros parámetros analizados durante un período de 18 meses que terminó en 2011.
Para explicar cómo se pueden utilizar los patrones de los amigos para mejorar las predicciones, Musolesi dio un ejemplo. Si Susan va desde su casa al gimnasio todos los martes a las 19 horas siguiendo una ruta determinada, un algoritmo de predicción basado solo en sus últimos movimientos puede acabar confundiéndose si un martes decide ir primero al centro comercial. Sin embargo, al notar que sus amigos íntimos Joe y Bob están en sus lugares de reunión habituales de ese día, el algoritmo de Musolesi puede determinar que es muy probable que Susan vaya al gimnasio después de terminar su visita al centro comercial. Los hábitos y los patrones de los amigos están muy correlacionados, lo que significa que existe la suficiente información precisa procedente de sus patrones de movilidad como para extrapolar información a partir de ellos. Naturalmente, las predicciones se puede refinar aún más cuando dos personas pasan tiempo juntas a menudo, pero esa "información mutua" no es necesaria para que la información de un amigo sea útil.
La investigación surgió a partir de un proyecto de 'reality mining' (extracción de datos de la realidad) de mediados de la década de 2000 también patrocinado por Nokia, que trataba de recoger información acerca de las interacciones sociales de los dispositivos personales. Ese trabajo se llevó a cabo antes del actual auge de los teléfonos inteligentes. "Es emocionante ver cómo el proyecto arroja algunas de las pistas y resultados preliminares que hemos visto en nuestros proyectos anteriores. Este campo está cada vez más cerca de resultar práctico", señaló Alex "Sandy" Pentland, director del Laboratorio Interacciones Humanas del MIT (Instituto de Tecnología de Massachusetts, EE.UU.), en referencia a toda la investigación realizada sobre los datos de Lausana.
Agregó que los avances en el campo, junto con los diversos esfuerzos comerciales que actualmente extraen y aprovechan los datos personales, hacen que sea aún más crucial para las empresas, Gobie os e investigadores seguir un marco de privacidad y utilización de datos personales desarrollado en Davos el año pasado.