Un algoritmo 'entiende' el comportamiento humano mejor que las personas

La creencia general de que los humanos son mejores que las máquinas en comprender a los demás humanos podría estar en entredicho. Al menos esto es lo que sostiene un nuevo estudio del MIT cuando afirman que un algoritmo puede predecir el comportamiento de una persona de forma más rápida y fiable que un ser humano.

El científico Max Kanter y su compañero de investigación, Kalyan Veeramachaneni, han creado la 'Máquina de datos científicos' especializada en buscar patrones y elegir qué variables son las más relevantes. Los resultados de su proyecto se presentará en la conferencia Ciencia y análisis avanzado de datos IEEE en París esta semana, según informa el portal web Quartz.

La máquina gana a 615 equipos humanos

El trabajo de las máquinas para analizar los datos está muy avanzado, pero los humanos --hasta ahora-- solían ser mejor en elegir qué elementos son relevantes para el análisis. No obstante, en las tres competiciones que se han celebrado entre equipos humanos y la nueva máquina de analizar datos, ésta última realizaba predicciones más precisas que 615 de los 906 equipos humanos.

Y no solo esto, sino que mientras que los humanos trabajaron en sus algoritmos predictivos durante meses, la máquina únicamente necesitaba entre dos y doce horas para producir cada uno de sus conclusiones.

Predecir el abandono académico

Por ejemplo, cuando en una de las competiciones se preguntó a los equipos que predijeran si un estudiante abandonaría los estudios en los próximos diez días, en base a la interacción de los estudiantes con los recursos de un curso online.

La 'Máquina de datos científicos' logró un éxito considerable al tener en cuenta los indicadores más importantes que, para sorpresa de todos, fueron: la distancia, corta o larga, en que un estudiante presentaba un trabajo respecto a la fecha límite de entrega, y el tiempo que un estudiante dedicaba en la página web del curso.

Muchos de los equipos humanos se centraron en otras variables como el tiempo en que tardaban los estudiantes en completar los trabajos requeridos, o si dedicaban mucho tiempo o poco en revisar los apuntes de clase.