Un nuevo método de programación permite imitar la intuición humana

Cualquiera que haya estado en un hipódromo sabe que elegir un caballo es en parte intuición y en parte ciencia: un jugador puede elegir el caballo con más probabilidades de ganar, el que ganó la última carrera, el que tiene la mejor racha vencedora, o elegir siguiendo una corazonada. Ahora, un pequeño grupo de investigadores dice que dicha intuición puede, al menos en parte, ser duplicada por los ordenadores. Las reglas generales que son sólo parcialmente fiables se pueden combinar para formar precisas herramientas de predicción utilizando una técnica de inteligencia artificial denominada potenciación (boosting).

La potenciación tiene dos cualidades que la distinguen de los métodos informáticos de predicción existentes. Aunque es altamente precisa y fiable, es más sencilla de utilizar que muchos otros programas. Y es capaz de realizar predicciones incluso cuando el programador proporciona unas directrices muy generales, o incluso contradictorias. En otras palabras, simula, aunque de una forma más complicada y precisa, la intuición humana.

"Es un resultado interesante desde el punto de vista filosófico", afirma Robert Schapire, que ha realizado trabajos pioneros sobre el boosting con los investigadores de AT&T Yoav Freund y Yoram Singer. "Se puede tomar un conjunto de reglas de predicción que sean mejores que las conjeturas aleatorias y combinarlas para conseguir algo muy preciso y fiable. Se podría decir que es algo contraintuitivo".

El boosting acaba de salir del mundo académico y empieza a tener uso comercial, pero los investigadores creen que puede tener una amplia gama de aplicaciones. Por ejemplo, las empresas podrían utilizarlo para determinar patrones de consumo.

Y la técnica, que es capaz de manejar no sólo preguntas sencillas de tipo sí o no sino también la clasificación de categorías múltiples, podría resultar práctica para filtrar correo electrónico inútil, realizar diagnósticos médicos, ayudar a bancos y otras instituciones a identificar la caligrafía de una persona, o permitir a los especuladores elegir un ganador en bolsa (o en las carreras).

En el pasado, el aprendizaje de las máquinas se centraba en la elaboración de grandes y complejos conjuntos de normas analíticas que el ordenador podía utilizar para realizar predicciones. Pero el boosting cambia el énfasis y se limita a buscar reglas que funcionan mejor que la casualidad.

El boosting es a menudo tan preciso o más que otras técnicas de predicción más antiguas. Además, se puede aplicar a métodos ya complejos, como redes neurales y árboles de decisión, para potenciar más su fiabilidad.