¿Qué es un algoritmo?

BarcelonaEl término algoritmo se utiliza mucho más ahora que cuando el matemático persa del siglo IX del que deriva, Muhammad ibn Musa al-Khwarizmi, diseñaba métodos para resolver ecuaciones de primer y segundo grado. Las razones son claras: ahora hay más datos y más capacidad de cálculo. Pero siempre ha habido algoritmes, que no son más que un conjunto de instrucciones que tienen por objetivo ejecutar una tarea. La receta de un pastel de chocolate o de una paella valenciana son algoritmos. La forma de encender fuego con dos bastones es un algoritmo. La técnica de caza que utilizan algunos grupos de orcas, cuando expulsan aire mientras giran bajo sus presas para atraparlas en un cilindro de burbujas, es un algoritmo, en este caso generado y transmitido de una manera prelingüística. También lo son las danzas nupciales del ave del paraíso o las canciones de cuna.

Hoy hay algoritmos en todas partes. Cuando pulsamos el botón del piso al que queremos ir en un ascensor, se ejecuta un algoritmo: el ascensor utiliza información previa para moverse arriba o abajo y para detenerse en el momento adecuado. Como ya se sabe, casi todo lo que hacemos en internet está mediado por algoritmos que pueden llegar a ser muy sofisticados. Ahora bien, todos los algoritmos deben cumplir una serie de condiciones, la más importante de las cuales es que las instrucciones se puedan llevar a cabo en un número finito de pasos. En caso contrario, el algoritmo no sirve para nada. Si el tiempo necesario para hacer un pastel de chocolate supera la edad del Universo, tal vez mejor que elijamos otra receta.

Los algoritmos complejos actuales, que funcionan gracias a grandes cantidades de datos, se construyen a partir de modelos, que no son más que abstracciones y simplificaciones del funcionamiento de un sistema real. Los hay simples, que actúan a partir de datos fáciles de obtener, y los hay complicados, y a menudo incompletos, que funcionan con los datos que pueden conseguir. El caso que Michael Lewis explica en el libro Moneyball es de los primeros: utilizar los datos históricos de jugadores de béisbol para optimizar el rendimiento de un equipo. Los datos existen y son relevantes para predecir la actuación de un jugador y, de paso, de todo el equipo.

Ahora bien, cuando se quiere predecir la capacidad de devolver un préstamo, hay muchos datos relevantes que no existen. Los modelos son, entonces, más aproximados, porque utilizan datos de situaciones similares que se han producido en el pasado. Para responder la pregunta de si irá bien la tienda que el solicitante quiere abrir con el dinero del préstamo, lo ideal sería tener información de muchas tiendas iguales que la misma persona habría abierto hasta el momento en puestos similares, como ocurre con los jugadores de béisbol. Pero, ¿y si es la primera tienda que quiere abrir?

Los modelos en los que se basan los algoritmos que trabajan con grandes cantidades de datos pueden tener agujeros que den lugar a incertidumbre en las predicciones. Y la incertidumbre implica que la probabilidad de error a la hora de hacer una predicción concreta es más alta. Por ello es especialmente importante saber cómo se diseñan los algoritmos y con qué datos se alimentan a la hora de refinarlos.