Una inteligencia artificial adivina el futuro mejor que los humanos

El resultado de combinar una comunidad de predicci¨®n como Metaculus y un modelo de lenguaje como ChatGPT 4 es el futuro. Y ve el futuro. Un nuevo sistema de inteligencia artificial (IA), desarrollado por investigadores de la Universidad de Berkeley, es capaz de predecir eventos futuros con mayor precisi¨®n que los humanos. Para poder hacerlo, la inteligencia artificial busca informaci¨®n en internet, selecciona los art¨ªculos period¨ªsticos que considera relevantes, los resume y los introduce en un sistema de razonamiento. ¡°La previsi¨®n requiere que un humano se siente y re¨²na un mont¨®n de fuentes, averiguando en cu¨¢les confiar y c¨®mo sopesarlas. Un modelo ling¨¹¨ªstico puede hacerlo muy r¨¢pidamente¡±, explica Danny Halawi, uno de los autores del estudio, publicado en la revista New Scientist.

¡°?Se detonar¨¢ un arma nuclear en 2023?¡±. El sistema dijo que no. Para poder responder a preguntas as¨ª, Halawi y su equipo han entrenado a ChatGPT-4 a trav¨¦s de un proceso llamado ¡°ajuste fino¡±: este m¨¦todo utiliza miles de pron¨®sticos de mercados de predicci¨®n, como Metaculus o Polymarket, y junto a la recuperaci¨®n de noticias, obtiene un mejor razonamiento. ¡°Para que sea bueno en pron¨®sticos, entrenamos al modelo con buenos ejemplos¡±, a?ade Halawi. Por cada predicci¨®n, el sistema repregunta a Google hasta seis veces ¡ªcomo si acudiera a seis personas distintas¨D y consulta hasta 20 art¨ªculos. Son seis preguntas y no m¨¢s, porque cuesta mucho dinero a pesar de que lo ideal ser¨ªa hacerlo ¡°100 veces¡±, confiesa Halawi. Hacer una pregunta interna del sistema cuesta 1 d¨®lar (0,93 euros), mientras que a OpenAI, por ejemplo, una pregunta a ChatGPT le cuesta ¡°menos de 0,01 d¨®lares (0,0093 euros)¡±, a?ade.

El pronosticador funciona como si alguien busca algo en internet: cuanto m¨¢s concreta sea la pregunta, mejor. Pero ?es fiable? Halawi conf¨ªa en el sistema: ¡°Si quieres predecir con precisi¨®n, la mejor estrategia consiste en ser imparcial, intentar obtener las fuentes m¨¢s precisas de informaci¨®n y hacer una predicci¨®n razonable y sensata que se base puramente en la evidencia¡±, argumenta. La puntuaci¨®n del sistema es de 0,179 frente a la multitud que es de 0,149 en la escala Brier, que mide las posibilidades de acierto en una escala de cero a uno. La diferencia no es muy grande, pero tampoco lo fue cuando el ordenador Deep Blue derrot¨® al campe¨®n del mundo en ajedrez, Garri Kasp¨¢rov en 1997, ganando el encuentro a 6 partidas por 3?-2?. Y, sin embargo, este hito ha pasado a la historia.

Para ?ngel Delgado, ingeniero de Inteligencia Artificial en Paradigma Digital, la clave del modelo predictivo es que al combinar ¡°los modelos de forecasting tradicionales con los modelos de lenguaje¡± el sistema sea capaz de ¡°procesar la informaci¨®n num¨¦rica y la textual¡±. De esa manera, ¡°al tener en cuenta m¨¢s informaci¨®n, pueden llegar a ser m¨¢s precisos que los humanos¡±, explica.

La sabidur¨ªa de la multitud

Los investigadores han copiado la idea de la ¡°sabidur¨ªa de la multitud¡± para su desarrollo, es decir, el efecto de que un conjunto de soluciones propuestas por un grupo funciona mejor que las soluciones particulares. El periodista de EL PA?S Kiko Llaneras corrobora este efecto en su lista de pron¨®sticos para 2023: al combinar todas las predicciones que hicieron los lectores y hacer una media, el acierto se elev¨®. Del mismo modo, el sistema recopila toda la informaci¨®n y llega a un promedio de las respuestas. ¡°Las personas individuales tienen acceso limitado a informaci¨®n y tienen sus propios prejuicios. Si tomamos distintas predicciones y luego hacemos un promedio, se re¨²ne indirectamente m¨¢s informaci¨®n¡±, explica Halawi.

Pero, ?qu¨¦ efectos pr¨¢cticos puede tener esta aplicaci¨®n? Dif¨ªcilmente preguntaremos a nuestro ordenador por la posibilidad de encontrar el amor o un nuevo trabajo. Las respuestas que nos puede dar esta bola de cristal tecnol¨®gica son mucho m¨¢s pr¨¢cticas. Para Richard Saldanha, profesor de aprendizaje autom¨¢tico en la Universidad Queen Mary de Londres, la predicci¨®n puede ser ¨²til para la toma de decisiones de analistas econ¨®micos y pol¨ªticos, aunque el mercado financiero ¡°no se base necesariamente¡± en la sabidur¨ªa de la multitud: ¡°El peso de la compra y la venta de valores suele dictar los precios negociados. A menudo existe una relaci¨®n entre la sabidur¨ªa de las multitudes y la actividad real de los precios de los valores pertinentes, pero no debe confiarse ingenuamente en estas relaciones¡±, detalla. Delgado coincide en que es bueno para estimar el impacto de factores pol¨ªticos y sociales en la econom¨ªa y predice que, a largo plazo, el sistema cambiar¨¢ c¨®mo se entienden los mercados. ¡°Uno de los factores que m¨¢s afectan al mercado es la incertidumbre y seg¨²n nos vayamos acostumbrando a este tipo de herramientas, se reducir¨¢¡±, explica.

M¨¢s probable lo incierto

Una peculiariedad del desarrollo es que funciona mejor con preguntas ¡°inciertas¡±, eso es que tengan mayor posibilidad de respuesta. Se debe a que el sistema utiliza ChatGPT-4 como una de sus fuentes y esta prefiere proteger sus respuestas por razones de seguridad: ¡°ChatGPT est¨¢ entrenado para no dar consejos a la gente que puedan da?ar o afectar a sus vidas. Si te dice que hay un 0% de posibilidades de que pase algo y despu¨¦s sucede, va a causarte un da?o¡±, explica Halawi. La probabilidad de que el mundo se acabe ma?ana, cerca de 0%, es un ejemplo de ello.

La incertidumbre tambi¨¦n fomenta la minimizaci¨®n de los sesgos, seg¨²n Luis Herrera, arquitecto de soluciones en Databricks Espa?a: ¡°Aunque no est¨¢n completamente libres de sesgos, los modelos de IA pueden dise?arse para minimizar sesgos comunes, como el exceso de confianza o la confirmaci¨®n. Los modelos de IA tienden a ser imprecisos debido a su preferencia por respuestas conservadoras¡±. Adem¨¢s, coincide en que el modelo supera a los humanos por su modus operandi: ¡°Pueden integrar nueva informaci¨®n y actualizar sus predicciones en tiempo real, esencial para situaciones que cambian r¨¢pidamente¡±.

El tipo de pron¨®stico del estudio se llama ¡°previsi¨®n de juicio¡± y consiste en predecir algo con muy pocos datos, como por ejemplo, la detonaci¨®n de un arma nuclear. ¡°Por ocurrir una vez en la historia, hay muy poco en qu¨¦ basarse. Tienes que ser mucho m¨¢s creativo en la pregunta y llegar a una probabilidad¡±, revela Halawi. El sistema es diferente a otros modelos de predicci¨®n como GraphCast, la inteligencia artificial de Google DeepMind que predice el tiempo, que s¨ª cuenta con muchos datos para obtener las previsiones: ¡°El pron¨®stico que utilizan es el modelado de series temporales. Se suele hacer cuando hay muchos datos, por ejemplo, cuando est¨¢s prediciendo el tiempo y tienes el historial meteorol¨®gico del ¨²ltimo mes o los datos sobre la humedad en el aire¡±, cuenta Halawi.

El sistema de Halawi y sus colegas basado en predicciones colectivas ha demostrado ser mejor que los humanos. Sin embargo, Herrera plantea la posibilidad de probarlo con los superpronosticadores, aquellas personas capaces de predecir eventos futuros con un nivel de precisi¨®n que supera al p¨²blico general y a expertos. Utilizan tambi¨¦n metodolog¨ªas anal¨ªticas y estad¨ªsticas para eliminar sesgos y ajustan sus predicciones constantemente bas¨¢ndose en nueva informaci¨®n. ?Superar¨¢ tambi¨¦n a ellos el nuevo sistema?

Puedes seguir a EL PA?S Tecnolog¨ªa en Facebook y X o apuntarte aqu¨ª para recibir nuestra newsletter semanal.