Los sistemas de aprendizaje automático destacan en la predicción. Un método habitual consiste en entrenar un sistema mostrándole una gran cantidad de datos sobre, por ejemplo, estudiantes y sus logros. El programa mastica los ejemplos y aprende qué características son las más útiles para predecir si un estudiante abandonará los estudios. Una vez entrenado, puede estudiar a un grupo diferente y seleccionar con precisión a los que están en riesgo. Al ayudar a asignar los escasos fondos públicos con mayor precisión, el aprendizaje automático podría ahorrar a los gobiernos sumas considerables. Según Stephen Goldsmith, profesor de Harvard y ex alcalde de Indianápolis, también podría transformar casi todos los sectores de la política pública.

Para los gobiernos que adopten el aprendizaje automático, el futuro dependerá de lo bien que combinen su poder predictivo con la sabiduría humana tradicional. Para limitar los posibles sesgos, el Sr. Ghani dice que hay que evitar los prejuicios en los datos de entrenamiento y fijar a las máquinas los objetivos adecuados. Las máquinas están entrenadas para encontrar patrones que predigan futuros delitos a partir de datos anteriores. Por lo tanto, se les puede pedir que encuentren patrones que predigan la delincuencia y eviten la desproporcionada clasificación errónea de los negros (y otros) como futuros delincuentes. Cuando se compara a un nuevo acusado con estas pautas, el riesgo de sesgo racial debería ser menor.

Las decisiones sobre fianzas, en las que los jueces estiman el riesgo de que un preso huya o delinca antes del juicio, parecen especialmente propicias para recibir ayuda. Jens Ludwig, de la Universidad de Chicago y sus colegas afirman que su algoritmo, probado con una muestra de casos anteriores, habría permitido reducir la delincuencia en unos 20% (véase el gráfico), sin modificar el número de excarcelaciones. Una reducción similar en todo el país, sugieren, requeriría 20.000 policías más, con un coste de $2.600 millones. La Casa Blanca está tomando nota. Mejorar las decisiones sobre fianzas es una de las grandes prioridades de su Iniciativa de Justicia Basada en Datos, que 67 estados, ciudades y condados firmaron en junio.

Siga leyendo: De predicción y política

Este debate encaja perfectamente con muchos de los temas clave abordados en mi nuevo libro tecnología contra humanidad. 

Un comentario relacionado con lo que digo en el libro:

La humanidad cambiará más en los próximos 20 años que en los 300 anteriores: Mucha gente se ríe de esta afirmación porque suena a grandilocuencia. Creo que en realidad se queda corta, dada la realidad del cambio tecnológico exponencial y combinatorio: el efecto compuesto de estos cambios supera con creces la revolución industrial o la invención de la imprenta. Un factor clave es que la tecnología ya no es sólo fuera de nosotros (como la máquina de vapor o la imprenta, que existían fuera de la biología humana, por supuesto), sino que se está moviendo dentro de nosotros (wearables, BCI, nanotecnología, edición del genoma humano, IA, etc.) y afecta a la definición misma de humanidad.

Seguir leyendo Inteligencia artificial en este blog