¿Predecir el futuro cinco minutos antes de que pase? Acabamos de crear un software capaz de ello

Que un ordenador pueda predecir el futuro no es tan novedoso como cabría esperar. De hecho, cuando buscas en Google, por ejemplo, la red neuronal del buscador es capaz de predecir las palabras que quieres utilizar. También lo hacen los anuncios o las sugerencias de restaurantes según dónde te encuentres. Pero unos investigadores de la universidad de Bonn, Alemania, quieren llevar un paso más allá el proceso de predicción: su software es capaz de anticiparse a las acciones y necesidades antes, siquiera, de que surjan.

Literalmente, es capaz de predecir el futuro varios minutos. ¿De qué es capaz este software y cuáles son sus limitaciones?

Qué hace. El software, al igual que otros algoritmos predictivos, es capaz de detectar patrones existentes en una acción (como hacer una búsqueda en Internet) y anticiparse a las necesidades del usuario. El software, tal y como han demostrado en la universidad de Bonn, es capaz de marcar diversos patrones complejos (como los que hay en preparar una ensalada), identificarlos, cuantificar el tiempo que llevan y, después de un entrenamiento, predecir cómo se van a repetir varios minutos antes de que ocurran.

¿En qué se diferencia? A diferencia de estos otros algoritmos, este sofware es capaz de aprender de acciones muy complejas a partir de un vídeo. Es decir, es capaz de aprender y predecir acciones físicas, del mundo real, y no solo acciones estadísticas relacionadas con la interacción con un ordenador. Pero, además, es capaz de predecirlas con minutos de antelación. Al final, el programa es capaz de definir toda la acción, y la duración de cada una de sus partes, para anticiparse a las necesidades del usuario incluso antes de que este sepa cuáles son, o lo que es lo mismo, predecir el futuro inmediato.

Cómo se "entrena". Para llevar esto a cabo, el software, cuyo núcleo está formado por una red neuronal convolucional, una red basada en algoritmos de Deep Learning, aprende a partir de los vídeos de cierta acción. Por ejemplo, en el estudio se entrenó al algoritmo con más de cuatro horas de vídeo, de los investigadores haciendo una ensalada durante unos seis minutos, más o menos. Los vídeos eran distintos tanto en la receta como en los "chefs". Después, se puso a prueba al algoritmo con vídeos que nunca había visto de alguien haciendo una ensalada.

Los resultados son muy positivos, con un gran porcentaje de acierto tanto en las acciones como en el tiempo de realización. Cuanto más se entrenan este tipo de algoritmos basados en Deep Learning o Machine Learning, más eficientes se vuelven.

Qué aplicaciones tiene. Es difícil relacionar una ensalada con Minority Report, desde luego. Por el momento estamos lejos de acercarnos a la realidad de la película, por mucho que lo estamos intentando, pero eso no quiere decir que no estemos haciendo grandes avances. Este tipo de software es capaz de predecir acciones y, por tanto, bien entrenado, y mejorándolo, podría utilizarse en un asistente personal, parecido a Siri o a Alexa, pero con un mayor potencial. Imaginemos usarlo de base en una casa domotizada, en un coche autónomo o, por qué no, en un robot.

Además, al ser capaz de detectar los patrones a partir del vídeo, aunque no es el primer trabajo que analiza esta posibilidad, abre una puerta muy interesante al mundo de la ciencia predictiva.

Cuál es el futuro de la ciencia predictiva. Este sector está teniendo un gran crecimiento en interés en la última década, con el auge del Machine Learning. Predecir el futuro es poder porque nos ayuda a trabajar con la información de antemano. Por eso tantas grandes compañías trabajan sobre sus propios algoritmos predictivos, especialmente relacionados con Internet y marketing, pero también con la salud o con la economía. Por el momento, parece que la tecnología está en sus primeros estadios, pero las expectativas son muy altas. Y el objetivo no es otro que vivir en un mundo en el que nuestras necesidades sean atendidas antes, siquiera, de que lleguemos a saber que estaban ahí.