Cisne negro. ¿Cuántas veces has oído hablar de Black Swan? Desafortunadamente, no tiene nada que ver con Natalie Portman, pero es un término mucho más "absoluto". Describe un evento extremadamente improbable, pero que si ocurre puede causar conmociones gigantescas. ¿Dos ejemplos sobre todo? La crisis financiera de 2008 y ... todo lo que hemos visto desde 2020.
Por definición, nadie ve venir un cisne negro, de lo contrario, ¿qué cisne negro sería? Impredecible. Punto. Pero los investigadores de Stanford no son de los que se detienen en la primera (ni en la centésima) dificultad, y por esta razón están tratando de cambiar las cosas. Están construyendo un método computacional para tratar de predecir cuándo ocurrirá el próximo evento "impredecible".
¿Podemos predecir un cisne negro?
“Este trabajo es emocionante porque es una oportunidad para tomar el conocimiento y las herramientas computacionales que estamos construyendo en el laboratorio y usarlos en la realidad. Para comprender mejor (y también predecir) lo que sucede en el mundo que nos rodea ”, dice. Bo Wang, profesor asistente de bioingeniería en Stanford y autor principal del estudio.
Publicado en PLOS Computational Biology, el método se basa en sistemas naturales y podría ser útil en investigaciones ambientales y de salud. (Las aplicaciones en otros campos con eventos del cisne negro, como la economía y la política, pueden aparecer poco después).
“Los métodos de pronóstico existentes se basan en datos pasados para predecir datos futuros”, dice Wang. "Y es por eso que tienden a predecir lo predecible, no lo impredecible como un cisne negro". El nuevo método, inspirado por el investigador Sam Bray, que trabaja en el laboratorio de Wang, inserta un elemento desconocido en la ecuación. Asume que solo estamos viendo una parte del mundo y trata de averiguar qué falta.
La ciencia de lo impredecible
Bray había estado estudiando comunidades microbianas durante años y en ese tiempo había observado algunos eventos donde un microbio explotó en la población, eliminando a sus rivales. Bray y Wang se preguntaron si esto también podría suceder fuera del laboratorio y, de ser así, si podría predecirse.
Para averiguarlo, los dos no solo necesitaban encontrar sistemas ecológicos en los que ya se había producido este cisne negro, sino que estos sistemas también necesitaban tener cantidades enormes y detalladas de datos, tanto sobre los eventos en sí mismos como sobre el ecosistema.
Para el desarrollo del método, se eligieron tres conjuntos de datos de sistemas naturales: mediciones de algas, percebes y mejillones en la costa de Kiwi tomada mensualmente durante 20 años; niveles de plancton del Mar Negro dos veces por semana durante ocho años; y un estudio de Harvard que realizó mediciones de carbono talado de un bosque cada media hora desde 1991.
Los investigadores procesaron todos estos datos utilizando física estadística. Específicamente, utilizaron modelos desarrollados para avalanchas y otros sistemas naturales con fluctuaciones físicas a corto plazo, extremas e inesperadas, las mismas cualidades que distinguen un evento similar a un cisne negro. Tomando ese análisis, desarrollaron un método para predecir un evento de cisne negro.
¡Un predictor de cisne negro! ¿Funciona?
El método está destinado a estar abierto a variables como especies y escala de tiempo, lo que le permite funcionar incluso con datos de menor calidad. Armado con fragmentos que muestran solo variaciones mínimas, el método predijo con precisión el evento del cisne negro. Funcionó, sí.
Wang y Bray esperan ampliar este "predictor" a otros campos donde puede ocurrir un cisne negro: economía, epidemiología y física. El trabajo se une a un campo floreciente de algoritmos de inteligencia artificial y modelos computacionales orientados a eventos extremos, incluidos los destinados a predecir incendios forestales, ayudar en la búsqueda y rescate en el mar y optimizar la respuesta de emergencia.
