Algoritmo

En un mundo cada vez más dominado por la tecnología, oímos la palabra algoritmo por todas partes. ¿Qué es realmente un algoritmo? En términos sencillos, un algoritmo es esencialmente una secuencia de instrucciones concretas que indican a un operador lo que debe hacer. Piense en un diagrama de flujo que se mueve a través de pasos de SÍ y NO guiando a alguien hacia un resultado específico.

Una analogía habitual para explicar un algoritmo es la de una receta. Imaginemos una receta típica de galletas de chocolate. La receta incluiría ingredientes crudos que pasan por una secuencia de órdenes para crear un producto final. En este caso, el "operador" es el panadero, que leerá la receta, ejecutará las instrucciones y puede que incluso actualice y perfeccione la receta, dependiendo de cómo salgan las galletas.

Podemos aplicar esta lógica conceptual a un programa informático, sustituyendo al panadero por un ordenador. El programa también leerá, ejecutará y refinará las instrucciones, tomando ingredientes en bruto, o entradas, a través de una secuencia de comandos para crear un resultado final o resolver un problema. Este proceso ocurre a nuestro alrededor. Tu viaje hasta esta página para leer este artículo se ha visto facilitado por una serie de algoritmos. Tal vez hayas buscado "algoritmo" en Google o alguien haya compartido este enlace en las redes sociales; aunque parezca que has llegado aquí por tus propios medios, hay una capa oculta de código informático algorítmico que ha facilitado el proceso.

Inteligencia Artificial (IA): Ámbito de la informática en el que la inteligencia es generada por una máquina y no por un ser biológico.

Aprendizaje automático: Proceso en el ámbito de la informática que corresponde a algoritmos que mejoran a través de la experiencia y la retroalimentación - "aprendizaje"-, en contraposición a la codificación explícita de un programador humano.

Big Data: Conjuntos de datos muy grandes que a menudo se analizan mediante procesos algorítmicos para revelar patrones.

El término algoritmo procede del nombre latinizado de un polímata persa del siglo IX llamado Muḥammad ibn Mūsā al-Khwārizmī, responsable de la introducción del concepto de álgebra en las matemáticas euro^peas.1 Aparte de la etimología, los algoritmos se remontan a mucho antes del siglo IX, con el descubrimiento de una tablilla de arcilla cerca de Bagdad que se cree que es el uso más antiguo de un algoritmo de división utilizado por los antig^uos matemáticos babilonios en 2.500 a.C.2

Cerca de las últimas etapas de la Revolución Industrial, una serie de triunfos sentaron las bases para que el algoritmo dejara de ser una tablilla de arcilla y se convirtiera en lo que es hoy. En 1840, Ada Lovelace escribió en papel lo que se considera el primer algoritmo de máquina del mundo. En 1847, George Boole inventó el álgebra binaria, también llamada álgebra de Boole, que se convertiría en la base del código informático. En 1888, Giuseppe Peano introdujo la axiomatización de las matemáticas, una lógica basada en reglas que ahora es esencial para la informática moderna.

Estos descubrimientos del siglo XIX allanaron el camino al algoritmo. En 1936, siendo estudiante de doctorado en la Universidad de Princeton, el matemático británico Alan Turing creó el primer aparato informático del mundo. El concepto teórico de Turing, que ahora se conoce como "máquina de Turing", podía resolver problemas basándose en instrucciones codificadas, un avance que supuso esencial^mente la invención del ordenador.3 Aunque a menudo se considera a Turing el creador del ordenador, otros trabajos de la década de 1930 que también intentaron establecer el concepto de computabilidad, como los de Kurt Gödel y Alonzo Church, también merecen cierto reconocimiento. En general, varias mentes brillantes contribuyeron a la evolución de la informática y los algoritmos modernos; es difícil señalar una única innovación o genio intelectual que allanara el camino para la ubicuidad de los algoritmos informáticos que vemos hoy en día.

Cualquier resumen de las consecuencias de los algoritmos en la sociedad moderna se quedará corto, ya que es difícil comunicar por completo el impacto de un concepto tan extendido en unos pocos párrafos. Gran parte del mundo moderno se rige ahora por algoritmos: cualquier cosa que pueda imaginar hacer en Internet o en su smartphone es en su mayor parte un proceso algorítmico. La mayoría de las operaciones en los mercados financieros se realizan mediante algoritmos, lo que significa que gran parte de sus ahorros y pensiones están gestionados por líneas de código tanto como por decisiones humanas. No son sólo las decisiones financieras las que se están externalizando a algoritmos, sino que muchas decisiones en atención médica, política pública y gestión empresarial son ahora producto de alguna forma de IA.

Los algoritmos son la base de la Inteligencia Artificial (IA). Hoy en día, muchos programas de IA se basan en algoritmos de aprendizaje automático. Estos algoritmos buscan patrones en grandes conjuntos de datos y son superiores a los algoritmos tradicionales. Imagine que está escribiendo un programa para identificar fotos de tigres. Tendrías que incorporar explícitamente la lógica necesaria que distinguiría una fotografía con un tigre. Si piensa en esto en forma de diagrama de flujo, podría ver preguntas binarias como si el animal tiene el color naranja en su pelaje. El problema de este método, sin embargo, es que los tigres pueden ser más complicados de lo que pensabas. Hay que programar demasiadas reglas y, sin ellas, el programa sería propenso a cometer muchos errores, como la incapacidad de identificar un tigre blanco. A un algoritmo de aprendizaje automático, sin embargo, se le mostrarían miles de fotos de tigres y no tigres y haría una predicción sobre si una foto es de un tigre o no basándose en las regularidades estadísticas que observara. A continuación, puede refinar su proceso basándose en la retroalimentación que recibe tras sus predicciones.

Este proceso es omnipresente en el mundo digital. Los algoritmos de aprendizaje automático en Internet buscan patrones en los datos, incorporando las entradas, como el comportamiento del usuario, con el fin de crear algún resultado, como un feed de noticias curado. Los algoritmos de aprendizaje automático de Netflix, por ejemplo, harán predicciones sobre el contenido que te gustaría ver, basándose en lo que has visto en el pasado, y harán recomendaciones basadas en sus predicciones. El algoritmo afinará aún más sus predicciones a medida que aceptes o rechaces sus recomendaciones. Fíjate en que esto es diferente de un conjunto predeterminado de criterios esbozados por un programador. Este proceso de aprendizaje permite a los algoritmos mejorar con más datos, un hecho que es en gran parte responsable del crecimiento de la economía del big data.

Cuando mucha gente piensa en IA, piensa en robots parecidos a los humanos que van a dominar el mundo. Lo que se nos escapa son todas las formas en que la IA ya está integrada en nuestra vida cotidiana. La mayoría de la gente lleva ya en el bolsillo una gran cantidad de algoritmos de aprendizaje automático. No cabe duda de que los algoritmos -a veces sinónimo de "tecnología"- nos han facilitado la vida de muchas maneras. En lugar de tener que consultar un mapa ambiguo de la ciudad, podemos dejar que Google Maps nos diga exactamente adónde ir, y en lugar de analizar innumerables textos en una biblioteca pública para encontrar un simple dato, podemos recuperarlo en milisegundos a través de un motor de búsqueda. Dado el poder y la ubicuidad de un concepto así, no es de extrañar que los algoritmos conlleven una enorme responsabilidad social y sean objeto de un amplio debate público.

Los algoritmos están en el centro de muchos debates contemporáneos en la sociedad. La mayoría de estas controversias se derivan de la moral que rodea el uso de un algoritmo determinado, tanto en términos de sus consecuencias como de cuestiones relativas a la privacidad de los datos.

Se ha criticado a los algoritmos por tener demasiado poder. Pueden determinar a quién se contrata para un trabajo, quién obtiene un préstamo y qué noticias se leen. Este último punto se ha convertido en un tema especialmente candente en la era de las noticias falsas, ya que reconocemos que Facebook y YouTube tienen algoritmos que desempeñan un papel en l^a creación de cámaras de eco y en el aumento de la polarización política.4 En 2018, estalló la polémica tras la filtración de datos de Facebook por parte de Cambridge Analytica, una consultora que utilizaba técnicas de aprendizaje automático para generar anuncios políticos a medida. Más allá de la mala gestión de la privacidad de los datos, la idea de que las creencias políticas sean manipuladas por métodos algorítmicos diseñados para generar la participación de los usuarios y aumentar los beneficios empresariales resulta bastante distópica para muchos.

Las preocupaciones distópicas en torno a los algoritmos son un tema central en gran parte del escepticismo sobre su uso. La gente suele señalar el uso del reconocimiento facial -un concepto popular en el aprendizaje automático- en China y los siniestros paralelismos con un sistema orwelliano de vigilancia social. Argumentos similares se esgrimen en Norteamérica, donde las fuerzas de seguridad han sido criticadas por utilizar tecnología de reconocimiento facial. Además de los problemas de privacidad, muchos destacan la falibilidad de estas tecnologías algorítmicas, señalando que muchos de estos servicios pueden mostrar sesgos raciales. Aunque el error humano y la discriminación racial siguen siendo importantes en ámbitos como la aplicación de la ley, la gente se siente mucho menos cómoda con la noción de errores cometidos por un algoritmo defectuoso.

Es cierto que los algoritmos se enfrentan a un amplio escrutinio de fallos y errores, pero los defensores de la gobernanza tecnológica cuestionan que este escrutinio esté justificado. Cada vez que se produce un accidente en el que se ve implicada la función de inteligencia artificial Autopilot de Tesla, la empresa queda en el punto de mira, ya que la gente destaca los peligros de los coches autoconducidos. Elon Musk ha cuestionado estas críticas, tuiteando en una ocasión que "es un desastre que un accidente de Tesla con resultado de un tobillo roto sea noticia de portada y que las ~40.000 personas que murieron en accidentes de coche en EE.UU. solo el año pasado casi no reciban cobertura". Muchos comparten la opinión de Musk de que los algoritmos, aunque no son perfectos, mejoran en muchos casos la toma de decisiones humana.

Watson de IBM fomenta la diversidad y la inclusión

Como se ha destacado en la sección anterior, los procesos algorítmicos son a menudo cuestionados por sus sesgos involuntarios que pueden afectar negativamente a individuos como los de menor estatus socioeconómico, así como a las minorías. Sin embargo, no todos los algoritmos son iguales, ya que algunos pueden potenciar la diversidad y la inclusión en lugar de obstaculizarlas. Este es el mensaje que ha lanzado IBM en la promoción de sus servicios de IA para las prácticas de RRHH. En un libro blanco de la empresa, un grupo de investigadores enumeró varios sesgos cognitivos, como el sesgo de confirmación y el sesgo de autoservicio, que pueden tener implicaciones negativas en el lugar de trabajo, especialmente en lo que respecta a la diversidad y la inclusión. IBM continuó citando que el 65% de los profesionales de RRHH creen que la IA puede ayudar a combatir estos desafíos en el sesgo. "A diferencia de los seres humanos, las máquinas no tienen sesgos inherentes que inhiban la diversidad y la inclusión", escribieron. "Más bien, están sujetas a las opciones de datos y características algorítmicas elegidas por las personas que las construyen. Cuando se desarrolla y despliega adecuadamente, la IA puede ser capaz de eliminar los atributos que conducen a sesgos y puede aprender a detectar sesgos potenciales, en particular aquellos sesgos inconscientes que son involuntarios y difíciles de descubrir en los procesos de toma de decisiones."

Flash Crash 2010

La prominencia de la negociación algorítmica en los mercados financieros ha dado lugar al riesgo de grandes y rápidas caídas del mercado. Estos acontecimientos se denominan flash crashes y pueden producirse cuando los algoritmos de negociación reaccionan a un cambio concreto en el mercado, desencadenando un efecto de bola de nieve en el que se venden grandes volúmenes para evitar mayores pérdidas. Conceptualmente, se trata de un efecto ordinario en el mercado bursátil: Una acción sufre un fuerte descenso y los inversores venden para reducir sus pérdidas, lo que contribuye a su caída. Estas ventas pueden producirse más lentamente cuando la mayoría de las operaciones son ejecutadas por humanos, pero con algoritmos al timón, en cualquier momento puede producirse una caída brusca. En los últimos años se han establecido normativas con el objetivo de evitar que esto ocurra.

El 6 de mayo de 2010, a las 2:32 p.m. EST, el mercado bursátil estadounidense experimentó uno de los periodos más turbulentos de su historia. En cuestión de minutos, el Promedio Industrial Dow Jones registró la mayor caída intradía de su historia, con pérdidas de cⁱentos de miles de millones de dólares.5 El suceso duró poco más de 30 minutos, y el mercado recuperó rápidamente sus pérdidas, pero ese día se convertiría en un momento infame en la historia de Wall Street. Aunque la causa exacta del desplome es objeto de debate y quizá tenga más matices que una única fuente causal, el hilo conductor del acontecimiento es que fue desencadenado por algoritmos de negociación de alta frecuencia que desencadenaron la venta irracional.

La gobernanza de la IA

Este artículo aborda algunos de los dilemas morales en torno a la IA que se mencionaron en la sección de controversias, especialmente en torno a las cuestiones de responsabilidad.

El Gobierno en la era de los macrodatos

En este artículo se analizan las posibles ventajas de utilizar macrodatos y aplicar algoritmos de aprendizaje automático para maximizar la eficacia de las intervenciones de las políticas públicas.

1. Al-Khwārizmī. Enciclopedia Británica. Obtenido de https://www.britannica.com/biography/al-Khwarizmi
2. Barbin, É. (1999). A history of algorithms: from the pebble to the microchip (Vol. 23). J. L. Chabert (Ed.). Berlin: Springer.
3. Watson, I. (2012, abril). Cómo Alan Turing inventó la era de los ordenadores. Scientific American. Obtenido de https://blogs.scientificamerican.com/guest-blog/how-alan-turing-invented-the-computer-age/
4. Bessi, A., Zollo, F., Del Vicario, M., Puliga, M., Scala, A., Caldarelli, G., ... & Quattrociocchi, W. (2016). Polarización de los usuarios en Facebook y Youtube. PloS one, 11(8), e0159641.
5. Kirilenko, A., Kyle, A. S., Samadi, M., & Tuzun, T. (2017). The flash crash: Negociación de alta frecuencia en un mercado electrónico. The Journal of Finance, 72(3), 967-998.