Medición: Econometrics vs ML (3/3)
¿Cuántos años tenías durante los Juegos Olímpicos de Barcelona’92? Tal vez aún no habías nacido, y la imagen que tengas de Barcelona sea sinónimo de FC Barcelona, los balones de oro de Messi y los títulos de la Champions que solían ganar back in the time. En mi retina, los primeros flashes de Barcelona, la ciudad en la que he vivido los últimos 10 años, han quedado marcados por Barcelona 92 y todo el revuelo alrededor del Dream Team1 de Michael Jordan y Magic Johnson.
En los 90’s, cuando querías conectar con tus amigos del colegio o de la universidad, bastaba con buscar sus nombres, o el de sus padres, en las páginas blancas de las guías telefónicas, marcar el número, estar dispuesto a pagar un precio por minuto desorbitante si vivían en el extranjero, y llamarlos para poder hablar con aquellos personajes con los que habías perdido el contacto.
En aquellas épocas no podíamos imaginar la factibilidad de un proyecto tan disruptor como el de Yahoo o Google, ni siquiera atisbábamos la necesidad de aquello que Facebook o LinkedIn podrían ofrecer. Las imágenes que llegaban desde Barcelona eran una proeza de la ingeniería de emisión de radio y telecomunicaciones, así como los componentes más empíricos de la teoría de Tratamiento de la Señal, más que de los algoritmos de clasificación o supervisión del aprendizaje automático (Machine Learning). Millones de personas, de todas las edades compartíamos el mismo momento de sobresalto, admiración y emoción delante de las imágenes analógicas de la señal que se trasmitían a través de los tubos catódicos del televisor que cada quien tenía en casa. Tal vez los tipos más creativos de novelas o películas de ciencia ficción sí habrían podido imaginar la aparición de OpenAI o Gemini2. El Deep Learning no se había constituido en la punta de lanza de la Inteligencia Artificial, ni tampoco la Generative IA, ni los GAN estaban de moda. Las confluencia de personajes, con nombres y apellidos, es interesante, dado que años más tarde asociaría Michael Jordan, no solo al del Dream Team, sino a Michael I. Jordan3 uno de los padres del Machine Learning. Vendrían a completar este Dream Team, personajes singulares de la talla de George Hinton4, Yoshua Bengio5, Yann Le Cun6, los cuales han sumado a sus distinciones el que podría considerar el Premio Nobel de Ciencias Computacionales, el Premio Turing en el 20187.
Michael I. Jordan es tal vez de los padres del Machine Learning, el más atípico, por background académico. Comenzó estudiando Psicología en Louisiana, luego hizo un Máster en Matemáticas en Arizona, y acabó haciendo un doctorado en Ciencias Cognitivas en UCSD. En un primer momento, los algoritmos del Machine Learning se desarrollan desde las ciencias cognitivas tratando de emular el proceso de razonamiento y ejecución de tareas del cerebro con el objetivo de automatizarlas en un algoritmo que pueda tener aplicaciones en ámbitos tan variados como speech recognition, identificación de spam, clusterización de clientes buenos y malos, detección de tumores, campañas de publicidad y marketing individualizado, etc. No es coincidencia que uno de los padres del Machine Learning sea un científico de la cognición.
Michael I. Jordan, en una de las conferencias que hace en MIT, dónde él también fue profesor, decía que le tomó 20 años ser Estadístico, sin embargo había encontrado una nueva manera de ver el mundo a través de la economía.
George Hinton, es uno de los inventores de los Artificial Neural Networks (ANN). Fue durante muchos años el Chief Scientist de Google. Dichos algoritmos funcionan en términos simples como
Yann Le Cun, es el padre de los Convolutional Neural Networks (CNN), se sigue desempeñando como Chief Scientist de Facebook. Ea uno de los más destacados académicos de las NN, y tiene un curso abierto al público en el College de France.
Yoshua Bengio, es tal vez el menos conocido de la trilogía, sin embargo es uno de los autores más prolíficos del Deep Learning. Es el autor más citado en el mundo académico en la materia. En el año 2000, escribió el artículo “A Neural Probabilistic Language Model8,” que introdujo la noción de word embeddings, es decir una representación en términos vectoriales, y por lo tanto numéricos, de las palabras. Bengio propone un puente entre la semántica, y la sintáctica, de las palabras y su representación matemática en forma de embeddings. Añadiendo la complejidad de que proponía una posible solución al problema de curse of dimensionality. En términos simples, esto quiere decir que tenemos muchos más elementos que caracterizan un problema, en columnas, que información disponible de dichas características, en filas. Dicho paper, tuvo un efecto disruptor y duradero, en temas como traducción automática de videos, resolución de preguntas desde un operador telefónico automatizado, por citar un par de ejemplos. Su grupo, introdujo avances muy relevantes en desarrollar el attention mechanism, que es uno de los inputs principales en los procesos de aprendizaje secuencial en Deep Learning.
Como todas las ramas del saber, la algorítmica del ML también tiene sus personajes y sus leyendas. Es una herramienta muy potente para optimizar procesos, códigos más eficientes, construcción de nuevos modelos experimentales tanto en ciencias exactas como sociales, pero no deja de ser un medio y no un fin para aquellos que no nos dedicamos académicamente a esto, sino que utilizamos la potencia que nos ofrece la algorítmica. La buena combinación de técnicas econométricas y ML, tienen la capacidad para dotar al analista de dos tipologías de técnicas muy potentes para describir la realidad, crear modos de decisión y estrategias ganadoras. Si a este binomio podemos combinar la sofisticación de la teoría de juegos, formalismo de la teoría estadística, así como el framework de la teoría económica y un buen data/storytelling entonces no solo podremos crear mejores estrategias sino crear capabilities y knowledge, independientemente de la rama de la industria en la que desempeñemos nuestros roles.
Dream Team. Equipo Masculino de Baskeball, Juegos Olímpicos Barcelona
https://en.wikipedia.org/wiki/1992_United_States_men%27s_Olympic_basketball_team
Gemini - Google DeepMind
Michael I. Jordan. Professor - Department of Electrical Engineering and Computer Sciences, Department of Statistics
https://people.eecs.berkeley.edu/~jordan/?_ga=2.242990786.1919817228.1702333031-1352743088.1702333031
George Hinton. Professor of Computer Science at University of Toronto
https://www.cs.toronto.edu/~hinton/
Yoshua Bengio. Professor of Computer Science at Université de Montréal
https://yoshuabengio.org/profile/
Yann Le Cun. Chief Scientist at Facebook y Professor of Computer Science at Courant Institute (NYU)
https://yann.lecun.com/
2018 ACM A.M. Turing Award
https://awards.acm.org/turing
https://proceedings.neurips.cc/paper_files/paper/2000/file/728f206c2a01bf572b5940d7d9a8fa4c-Paper.pdf