{"id":100745,"date":"2016-08-22T10:54:14","date_gmt":"2016-08-22T10:54:14","guid":{"rendered":"https:\/\/gerdtestpress.online\/?guid=465007178b9e24d6db4744350239afbe"},"modified":"2016-08-22T10:54:14","modified_gmt":"2016-08-22T10:54:14","slug":"of-prediction-and-policy-good-read-via-the-economist","status":"publish","type":"post","link":"https:\/\/futuristgerd.com\/es\/2016\/08\/of-prediction-and-policy-good-read-via-the-economist\/","title":{"rendered":"De predicci\u00f3n y pol\u00edtica, v\u00eda The Economist"},"content":{"rendered":"
\n
\n

Los sistemas de aprendizaje autom\u00e1tico destacan en la predicci\u00f3n. Un m\u00e9todo habitual consiste en entrenar un sistema mostr\u00e1ndole una gran cantidad de datos sobre, por ejemplo, estudiantes y sus logros. El programa mastica los ejemplos y aprende qu\u00e9 caracter\u00edsticas son las m\u00e1s \u00fatiles para predecir si un estudiante abandonar\u00e1 los estudios. Una vez entrenado, puede estudiar a un grupo diferente y seleccionar con precisi\u00f3n a los que est\u00e1n en riesgo. Al ayudar a asignar los escasos fondos p\u00fablicos con mayor precisi\u00f3n, el aprendizaje autom\u00e1tico podr\u00eda ahorrar a los gobiernos sumas considerables. Seg\u00fan Stephen Goldsmith, profesor de Harvard y ex alcalde de Indian\u00e1polis, tambi\u00e9n podr\u00eda transformar casi todos los sectores de la pol\u00edtica p\u00fablica.<\/strong><\/p>\n

Para los gobiernos que adopten el aprendizaje autom\u00e1tico, el futuro depender\u00e1 de lo bien que combinen su poder predictivo con la sabidur\u00eda humana tradicional.\u00a0Para limitar los posibles sesgos, el Sr. Ghani dice que hay que evitar los prejuicios en los datos de entrenamiento y fijar a las m\u00e1quinas los objetivos adecuados. Las m\u00e1quinas est\u00e1n 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 clasificaci\u00f3n err\u00f3nea de los negros (y otros) como futuros delincuentes. Cuando se compara a un nuevo acusado con estas pautas, el riesgo de sesgo racial deber\u00eda ser menor.<\/span><\/p>\n

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 Chic\"honourago y sus colegas afirman que su algoritmo, probado con una muestra de casos anteriores, habr\u00eda permitido reducir la delincuencia en unos 20% (v\u00e9ase el gr\u00e1fico), sin modificar el n\u00famero de excarcelaciones. Una reducci\u00f3n similar en todo el pa\u00eds, sugieren, requerir\u00eda 20.000 polic\u00edas m\u00e1s, con un coste de $2.600 millones. La Casa Blanca est\u00e1 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.<\/p><\/blockquote>\n

Siga leyendo:\u00a0De predicci\u00f3n y pol\u00edtica<\/a><\/p>\n

Este debate encaja perfectamente con muchos de los temas clave abordados en mi nuevo libro tecnolog\u00eda contra humanidad<\/a>.\u00a0\"tech-vs-human-book-300x227<\/p>\n

Un comentario relacionado con lo que digo en el libro:<\/p>\n

La humanidad cambiar\u00e1 m\u00e1s en los pr\u00f3ximos 20 a\u00f1os que en los 300 anteriores:\u00a0<\/b>Mucha gente se r\u00ede de esta afirmaci\u00f3n porque suena a grandilocuencia. Creo que en realidad se queda corta, dada la realidad del cambio tecnol\u00f3gico exponencial y combinatorio: el efecto compuesto de estos cambios supera con creces la revoluci\u00f3n industrial o la invenci\u00f3n de la imprenta. Un factor clave es que la tecnolog\u00eda ya no es s\u00f3lo fuera de nosotros<\/i> (como la m\u00e1quina de vapor o la imprenta, que exist\u00edan fuera de la biolog\u00eda humana, por supuesto), sino que se est\u00e1 moviendo dentro de nosotros (wearables, BCI, nanotecnolog\u00eda, edici\u00f3n del genoma humano, IA, etc.) y afecta a la definici\u00f3n misma de humanidad.<\/p>\n

Seguir leyendo Inteligencia artificial<\/a>\u00a0en este blog<\/p>\n<\/div>\n

\n
\n

<\/p>\n

Y algunas im\u00e1genes relacionadas de mis archivos:<\/p>\n

\"responsible \"automation \"automation \"big \"computing<\/p>\n<\/div>\n

 <\/p>\n<\/div>\n<\/div>","protected":false},"excerpt":{"rendered":"

\n
\"Los sistemas de aprendizaje autom\u00e1tico destacan en la predicci\u00f3n. Un m\u00e9todo habitual consiste en entrenar un sistema mostr\u00e1ndole una gran cantidad de datos sobre, por ejemplo, estudiantes y sus logros. El programa mastica los ejemplos y aprende qu\u00e9 caracter\u00edsticas son las m\u00e1s \u00fatiles para predecir si un estudiante abandonar\u00e1 los estudios. Una vez entrenado, puede estudiar a un grupo diferente y seleccionar con precisi\u00f3n a los que est\u00e1n en riesgo. Al ayudar a asignar los escasos fondos p\u00fablicos con mayor precisi\u00f3n, el aprendizaje autom\u00e1tico podr\u00eda ahorrar a los gobiernos sumas considerables. Seg\u00fan Stephen Goldsmith, profesor de Harvard y ex alcalde de Indian\u00e1polis, tambi\u00e9n podr\u00eda transformar casi todos los sectores de la pol\u00edtica p\u00fablica\".<\/p>\n

De predicci\u00f3n y pol\u00edtica
https:\/\/www.economist.com\/news\/finance-and-economics\/21705329-governments-have-much-gain-applying-algorithms-public-policy<\/a>
v\u00eda Instapaper<\/div>\n

\n<\/p>\n
\n

\n <\/p>\n

\n <\/p>\n<\/p><\/div>\n<\/div>\n<\/div>","protected":false},"author":38,"featured_media":100774,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_analytify_skip_tracking":false,"footnotes":""},"categories":[788,174,1116,756,852,222],"tags":[1078,632],"class_list":["post-100745","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-androrithms","category-artificial-intelligence-2","category-digital-ethics","category-technology-versus-humanity","category-thehumanitychallenge","category-work-and-employment","tag-prediction","tag-the-economist","masonry-post","generate-columns","tablet-grid-50","mobile-grid-100","grid-parent","grid-33"],"acf":[],"_links":{"self":[{"href":"https:\/\/futuristgerd.com\/es\/wp-json\/wp\/v2\/posts\/100745","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/futuristgerd.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/futuristgerd.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/futuristgerd.com\/es\/wp-json\/wp\/v2\/users\/38"}],"replies":[{"embeddable":true,"href":"https:\/\/futuristgerd.com\/es\/wp-json\/wp\/v2\/comments?post=100745"}],"version-history":[{"count":0,"href":"https:\/\/futuristgerd.com\/es\/wp-json\/wp\/v2\/posts\/100745\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/futuristgerd.com\/es\/wp-json\/wp\/v2\/media\/100774"}],"wp:attachment":[{"href":"https:\/\/futuristgerd.com\/es\/wp-json\/wp\/v2\/media?parent=100745"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/futuristgerd.com\/es\/wp-json\/wp\/v2\/categories?post=100745"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/futuristgerd.com\/es\/wp-json\/wp\/v2\/tags?post=100745"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}