Dice el economista Walter Sosa Escudero que cuando un taxista le pregunta por su trabajo, responde escuetamente profesor universitario, “porque si revelo que estudié Economía, me hacen preguntas cuya respuesta desconozco, y si voy por la verdad (que me dedico “a los datos”) me tienen lástima”. Profesor plenario de la Universidad de San Andrés, investigador principal del Conicet y miembro titular de la Academia Nacional de Ciencias Económicas, Sosa Escudero es uno de los más importantes especialistas en econometría y estadística aplicada a cuestiones sociales. Su libro Viajar al futuro (y volver para contarlo): la ciencia detrás de los pronósticos (Siglo XXI) analiza en detalle qué hay de cierto en la idea de que la inteligencia artificial viene a reemplazar lo humano.
–A inicios del libro, explica que hay un sobreentusiasmo con respecto a las capacidades de los datos y la IA. ¿Dónde y cómo nota que se expresa ese sobreentusiasmo y cuáles son los elementos que evidencian que es exagerado?
–El entusiasmo tiene que ver con algunas mejoras asombrosas en la capacidad predictiva social, que han sido resultado del “combo” datos-algoritmos. Algunos ejemplos son el Waze-Google Map, los sistemas de recomendación (como los de Netflix o Mercado Libre), el mismísimo ChatGPT, que, a la larga, es un sistema predictivo, y los pronósticos meteorológicos de corto plazo (creer o reventar, la meteorología de un día para el otro funciona muy bien). El sobreentusiasmo se relaciona con que estos avances coinciden con aspectos en donde no se ha avanzado prácticamente nada: nadie sabe cuanto va a estar el dólar de acá a una semana, quien va a ser el próximo presidente o quien ganará un partido de futbol profesional el próximo domingo. El punto es que los avances asombrosos tuvieron que ver con cuestiones donde faltaban o datos o algoritmos potentes, como en la meteorología de corto plazo o el GPS. Pero la dificultad de hacer pronósticos en política, economía o el deporte no se relaciona con la falta de datos o la lentitud de los algoritmos sino con que se trata de fenómenos esencialmente impredecibles en donde, por paradójico que suene, una buena predicción es que se trata de fenómenos impredecibles. Entonces, el entusiasmo se relaciona con las mejoras, innegables, en algunas dimensiones, y el sobreentusiasmo con creer, inocentemente, que lo que ahora o se puede predecir, es porque solo falta esperar un poco.
–Cuenta que usó el Chat GPT para trabajar en el libro: ¿qué le pidió y cómo resultó?
–Lo usé, y mucho. Me ayudo mucho en tareas “burocráticas”, como armar tablas, gráficos, escribir código computacional para varios ejemplos, emprolijar citas bibliográficas, etc., en todo esto anduvo perfecto. También lo use para “discutir” algunas ideas, inventar ejemplos y contraejemplos, asistirme con algunas cuestiones de redacción. Ahí anduvo mas o menos, es decir, demando alguna supervisión. Hay dos dimensiones en donde no anduvo. Una es cuando esperé que sea creativo, ahí jamás me sorprendió. En chiste (lo cuento en el libro), le di todo lo que había escrito y le pedí que escriba el epilogo. Lo que hizo parece un bolero empalagoso de la década del sesenta, un espanto, un carnaval de lugares comunes. La otra es cuando necesitaba referencias bibliográficas sobre algún tema. Ahí tiende a macanear un poco. En relación a tu segunda pregunta, es exactamente donde todavía hace un poco de agua, porque todavía ChatGPT no tiene una forma obvia de ordenar jerárquicamente el material disponible, de ahí que a vece suelta cosas que en realidad son mas bien marginales, cuando no inventa, directamente. Pero creo que resolver este problema es solo cuestión de tiempo. Me parece que la pregunta no es si ChatGPT es bueno o malo sino si es útil o no. Yo creo que el ChatGPT es malo pero muy útil, siempre con los cuidados de caso.
–¿De qué manera se vincula como docente con esta clase de motores o usos de la inteligencia artificial?
–Lo uso intensamente, tanto para que mis alumnos vean sus ventajas como sus limitaciones. En casi todas mis clases me encuentro diciendo “en este tema, ChatGPT hace un trabajo decente, consultalo”. También es muy común que les pida a mis alumnos que antes de clase le pregunten al ChatGPT que les opine acerca de la importancia de lo que vamos a hacer en clase. Ejemplo: si en mi próxima clase vamos a trabajar con el método de Poisson (por decir algo), una típica pregunta es “Preguntale al ChatGPT lo siguiente: el profe me dijo que en la próxima clase vamos a trabajar el método de Poisson. ¿A que debo prestarle atención? ¿Por qué es importante? Y después de la clase, volvé a interactuar con el ChatGTP a la luz de lo que vimos en clase”. Los alumnos huelen el miedo. Si el profe le tiene miedo a la tecnología, el alumno se pone nervioso. Entonces, la IA es una de las muchas “tecnologías pedagógicas” que uso. Bien usada, puede ser una herramienta muy poderosa.
–¿De qué manera concreta el desarrollo tecnológico modificó su disciplina y su propio trabajo académico y científico?
–Creo que hay una mejor “división del trabajo”, si se me perdona el economicismo. Cuando yo estudié, hice tres materias de estadística y jamás, nunca, vi un dato ni implemente un método estadístico en la práctica; ¡es como haber estudiado natación y jamás haberse mojado!. La tecnología permite separar tareas: las computadoras se pueden ocupar de cosas repetitivas o prácticas, y la clase, de discusiones abstractas y conceptuales. Ahora mismo, en mi escritorio convive mi resma de papel y mis lápices, que uso para pensar y planificar, con mi computadora y mi tablet. Mis ideas de investigaciones o libros nacen en garabatos en papel y de anotaciones en libretas. La “operación” de estas ideas (la escritura, el procesamiento de datos), es computacional. Es una división de tareas mas eficiente, no se si mejor. Pero la computación no es simplemente una cuestión de delegación de tareas, sino que es una poderosa herramienta de razonamiento. En “enseñarle” a una computadora como hacer algo se aprende muchísimo, yo creo que mas que a implementar, las computadoras pueden ayudar a pensar de una forma mas ordenada.
–Hace tiempo, pondera el trabajo del Servicio Meteorológico Nacional: ¿Qué transformaciones (tecnológicas y disciplinares) fueron relevantes para contar con pronósticos más útiles en esa disciplina? Y ¿sirve ese desarrollo cuando la mayoría de las personas se muestran escépticas ante cada parte?
–Las mejoras tuvieron que ver con los notables avances en la física detrás de la meteorología (se entiende mejor como funciona el tiempo y el clima), con la enorme disponibilidad de datos, de mejor calidad y frecuencia y con los brutales avances en la capacidad de procesamiento, algo fundamental en los complejísimos modelos usados para modelar el tiempo. El otro problema es muy importante, porque mas que “algorítmico”, es un problema comunicacional, de una índole social. Yo jamás en mi vida le di pelota al pronostico meteorológico, hasta que me mude a EEUU, en donde, por la crueldad del frio y las tormentas de nieve típicas de donde vivía, a nadie se le ocurre salir de su casa sin consultar el Weather Channel o algo similar. En un principio, esta insistencia de los medios (y de mis colegas y amigos) me pareció un tanto histérica, pero no tarde mucho tiempo en darme cuenta de que el pronóstico dentro de un día podía influir tanto en como me vestia como decidir si salía o no con el auto. En fin, confiar en los pronósticos requiere tanto un esfuerzo científico como comunicacional.
–La creencia generalizada es que las encuestas electorales no funcionan y que la IA va a permitir resultados infalibles. ¿Más datos es mejor?
–Hay algo contradictorio en repetir que “las encuestas no funcionan” y seguir usándolas, comunicándolas o discutiéndolas. Si se usan, es porque alguna información agrega. El problema es que ha habido muchos cambios tecnológicos en la forma en la que se implementan las encuestas. Por ejemplo, hace 50 años, una encuesta telefónica era obviamente sesgada (en mi barrio, recién hace unos 40 años el teléfono se masifico), hace 30 tal vez era razonable, y ahora es nuevamente brutalmente sesgada, de hecho, antes a mis alumnos les preguntaba quienes de ustedes tienen un teléfono de línea y ahora les pregunto “cuanto de ustedes vieron un teléfono de linea”. El problema es que, como tecnología alternativa, las redes sociales o la interacción electrónica son también sesgadas y “ruidosas”. Por ejemplo, cualquier encuesta que haga alguien haga en twitter depende de muchos eventos como quién tiene twitter, quien sigue en twitter al que hace la encuesta, a quienes se la muestra el algoritmo, quien la responde, ni hablar de la potencial participación de bots y algoritmos en estas respuestas. Mas datos no es necesariamente mejor, el mecanismo que transforma datos en información es delicado. Solo bajo ciertas condiciones “quirúrgicas” mas datos se transforman en más y mejor información, como ocurre n en una encuesta o experimento científico. Tal vez el principal desafío estadístico que enfrentamos como sociedad es entender que solo bajo condiciones muy “ascepticas” más datos es mejor, condiciones que, en tiempos de big data son más la excepción que la regla. Peor aún, en muchas dimensiones mas datos puede ser peor, por ejemplo cuando el dato agrega mucho mas ruido que señal. Por ejemplo, una medición diaria de la pobreza solo agregaría ruido, en el mismo sentido en el que a un hipertenso (como yo) le dicen que no tiene que estar todo el tiempo midiéndose la presión sino a una frecuencia razonable, como la que indica un buen cardiólogo.
–Hay un abismo entre predecir y explicar. ¿De qué manera funciona el pensamiento o las teorías conspirativas y qué rol cumple la comunicación en ellas?
–A la larga, detrás de cualquier teoría conspirativa hay una historia razonable que es compatible con algunos y a veces todos,los hechos. El conspirativo cree que, porque una historia es compatible con los datos, entonces eso la refrenda. Pasa que así no funciona la ciencia. La ciencia intenta aislar ciertas historias que son compatibles con los datos, que además son capaces de dar cuenta de unos fenómenos y de predecir otros. Ante una evidente piña en el ojo, el conspirativo quiere argumentar que fue un cabezazo al puño, porque primero puso la conclusión, luego busco datos y luego armo una historia, como hizo la protagonista de Emma Zunz, el espeluznante cuento de Borges. La comunicación, como en el caso de establecer la relevancia de los pronósticos meteorológicos, cumple un rol fundamental, porque pone sobre la mesa todas las historias razonables y compatibles con los datos, y permite discutir cuales son las relevantes. A la larga, el conocimiento científico es comunitario. Del experimento que funciona en el laboratorio, del teorema que parece demostrado, del razonamiento elegante de un paper, a que todo eso se transforme en conocimiento útil, falta un enorme circuito de presentar en seminarios, hablar con colegas, publicar en revistas o libros, en discutir con actores sociales.