La posibilidad de que una inteligencia artificial pueda «adivinar» el futuro es un tema complejo y multifacético.
La respuesta rápida es no, claro, pero si pensamos en el futuro como el resultado de eventos estadísticos, la cosa se complica.
Hay un proyecto, realizado por investigadores de la Universidad Técnica de Dinamarca, que es capaz de hacer predicciones basadas en patrones estadísticos extraídos de grandes volúmenes de datos.
Aspectos clave del proyecto que «adivina el futuro»
- Transformers y Aprendizaje Profundo: La arquitectura de aprendizaje profundo conocida como «transformer» ha permitido entrenar modelos en cantidades de datos mucho mayores que los algoritmos anteriores. Esto ha llevado a un salto significativo en las capacidades predictivas de las IA.
- Base de Datos Integral: El modelo se entrenó con una base de datos extensa recopilada por el gobierno danés, que incluye información de salud, socioeconómica y otros datos personales de todos los ciudadanos daneses entre 2008 y 2020.
- Secuencias de Vida para el Entrenamiento: Los datos se organizaron en «secuencias de vida», permitiendo al modelo predecir eventos futuros de manera similar a como los chatbots de IA predicen la siguiente palabra en un texto.
- Resultados y Precisión: El modelo demostró una alta precisión en la predicción de eventos de vida, como la probabilidad de muerte en un período determinado, superando en un 11% a los modelos de vanguardia.
- Potencial y Alcance: Más allá de predecir eventos específicos, el modelo tiene el potencial de hacer todo tipo de predicciones sobre la vida de las personas, un avance significativo respecto a los modelos anteriores que se enfocaban en preguntas específicas.
La inteligencia artificial desarrollada en este proyecto puede predecir una variedad de eventos en la vida de las personas utilizando datos de registro sobre residencia, educación, ingresos, salud y condiciones laborales. Aquí hay una lista de posibles predicciones que este tipo de IA podría realizar:
- Tiempo de Vida Restante: Estimar la probabilidad de muerte de una persona en un período de tiempo determinado, basándose en factores como el estatus socioeconómico, salud y condiciones laborales.
- Trajectoria Profesional: Prever cambios en la carrera profesional, como ascensos, cambios de industria o probabilidad de desempleo, basándose en la educación y el historial laboral.
- Desarrollo Educativo: Predecir el éxito educativo o la probabilidad de continuar estudios superiores, basándose en el historial académico y el entorno socioeconómico.
- Salud y Diagnósticos Médicos: Estimar el riesgo de desarrollar ciertas enfermedades o condiciones de salud basándose en historiales médicos y estilos de vida.
- Cambio de Residencia: Prever posibles mudanzas o cambios en el lugar de residencia, basándose en la situación laboral, familiar y económica.
- Situación Económica Futura: Evaluar la probabilidad de cambios en el estado económico, como aumento o disminución de ingresos.
- Condiciones de Vida: Predecir cambios en las condiciones de vida, como la necesidad de asistencia social o cambios en el nivel de vida.
- Riesgos y Oportunidades Sociales: Identificar factores de riesgo o potencial para el desarrollo social, incluyendo el impacto de las redes sociales y las conexiones profesionales.
- Impacto de Decisiones de Vida: Evaluar cómo ciertas decisiones, como cambiar de trabajo o mudarse a otra ciudad, podrían afectar diferentes aspectos de la vida.
- Riesgos de Salud Mental: Predecir la probabilidad de enfrentar problemas de salud mental, basándose en el historial médico y las condiciones de vida.
Implicaciones y consideraciones éticas
Este tipo de investigación plantea preguntas importantes sobre la privacidad y la capacidad de las personas para controlar su información personal. Las empresas tecnológicas ya están utilizando tecnologías similares para rastrear comportamientos en redes sociales y hacer perfiles detallados para predecir y potencialmente influir en el comportamiento de los usuarios, y eso de momento no está muy regulado.
Dada la rápida evolución de la IA, es crucial iniciar debates públicos sobre qué tipo de predicciones impulsadas por IA deben permitirse tanto en el ámbito privado como en el público.
Aunque la IA puede hacer predicciones asombrosamente precisas basadas en datos, es importante diferenciar entre «predecir» y «adivinar». Las predicciones de la IA se basan en patrones y correlaciones estadísticas y, por lo tanto, están sujetas a limitaciones y sesgos inherentes a los datos en los que se entrenan. Recordad siempre que la interpretación y el uso ético de estas predicciones son aspectos cruciales que requieren consideración cuidadosa y debate público.
Tenéis el estudio en dtu.dk