Category Archives: Futuro de Colombia

Importancia de la mirada subjetiva y cualitativa

Comments off

LA SUBJETIVIDAD DE LO CUALITATIVO

Escrito por Leonor Ruiz
Artículo escrito para la Revista AEDEMO. Fuente: https://soulsight-thoughts.com/la-subjetividad-de-lo-cualitativo-947aacd9f9fc / Photo by Eriks Abzinovs on Unsplash

¿Existe algo que no midamos hoy? Contamos, medimos y analizamos casi todo lo que está a nuestra mano. Sabemos cuántos pasos damos al día, cuantos clicks dan a nuestras fotos y quien los da, cuantas personas entran en nuestra web o compran un producto, cuántos animales hay en extinción, la frecuencia de uso de un automóvil, qué opinamos, que nos gusta y qué no nos gusta… medimos, medimos, medimos. Lo sabemos casi todo, o eso creemos.

Este afán por clasificar, medir y contabilizar no es nada nuevo, es algo intrínseco al ser humano. Desde hace muchos años, los primeros científicos se dedicaron a observar, experimentar, clasificar y medir todo cuanto estaba a su alcance. Hemos ido midiendo todo cuanto hemos podido hasta llegar a donde nos encontramos hoy, en donde la investigación pasó de ser una práctica científica a una práctica generalizada en todos los sectores, fundamento de prácticas estratégicas y tácticas de peso en casi todas las organizaciones.

Si hay un sector que se ha beneficiado de la medición ha sido la publicidad, donde su establecimiento como doctrina tal cual conocemos ahora, tiene sus remontes desde la época de Edward Bernays (doble sobrino de Sigmund Freud) y bien conocido como “el padre de la manipulación masiva” y las relaciones públicas. Antes de Bernays, los americanos no desayunaban tortitas con bacon, ni las mujeres fumaban porque estaba mal visto en la sociedad de esa época. Gracias a la influencia freudiana donde supo que existían pulsaciones inconscientes que gobiernan gran parte del comportamiento humano y fue maestro en conseguir que estas pulsaciones fueran susceptibles de ser manejados para conseguir ciertos comportamientos. Fue capaz de vincular esas marcas con los deseos más profundos de las personas.

La publicidad no ha cambiado mucho desde entonces, la diferencia es que nos hemos centrado en obtener información pero no ese conocimiento profundo del que hablaba Bernays sobre lo que realmente mueve a una persona. Nos hemos creído que tener datos, datos, datos y más datos, nos hace saber más, pero las personas no ni se estructuran así. Sumado a ello, con la digitalización, además de sentirnos capaces de tener toda la información disponible en un tiempo record y hacer investigaciones en tiempo real desde cualquier sitio del mundo, hemos sido capaces de almacenar toda esa información, compartirla, compararla y actualizarla al pedir de un click.

Toda esta maravillosa información consigue contextualizar lo macro, situarnos y darnos un punto de vista proporcional que siempre nos ayuda a planificar y seguir observando por dónde creemos que va el mundo. Nos permite seguir navegando en el capitalismo dejando de lado cualquier opción “no establecida”, cualquier opción “no cuantificable” o que no se le pueda asignar un número, poniéndose así en contra de la singularidad o lo cualitativo.

Es por eso que, aún con tantos datos y tanta información, seguimos sin resolver algunos de los mayores y más grandes problemas en el mundo. Es por eso que nos hemos dado cuenta que esos datos no nos van a dar mucho más. Los datos cuantitativos nos han ayudado a establecer lo que consideramos nuestro “corto, medio y largo plazo”; nos han ayudado a meternos en un loop intenso de sobre explotación de información y caos en la toma de decisiones. Mas claramente: muchas veces ya no sabemos cuál información es real y si esa información nos vale para tomar decisiones en el mundo de hoy al tiempo de hoy. Y más aún nos preguntamos ¿Qué hacemos con tanta información?


Hablamos de significados, de conceptos, de símbolos, metáforas, perspectivas y descripciones, no de cantidades. Y es ahí donde reside la creatividad, lo accionable: en los matices, no en las cantidades. ¿Hay algo mejor que esto para la estrategia de las marcas y publicidad? No.


Todos estos datos, toda esta información, no son más que eso sin la subjetividad, a lo que llamamos investigación cualitativa. La subjetividad bien descrita por Guattari ha sido a lo largo de los años desplazada porque nadie quiere meterse en aquello que es difícil de medir, de ponerle un número y hasta un precio… aún sabiendo que ahí reside el dato verdadero y la información más veraz. En lo cualitativo reside lo relacional, la creatividad, lo diferente, lo individual. Por el contrario en lo cuantitativo reside lo transaccional.

Si lo que realmente queremos es ampliar el conocimiento sobre algo, tenemos que investigar, dicho significativamente: conocer en profundidad algo y en lo cualitativo es dónde está lo profundo. Un dato es solamente información, el “por qué” de ese dato es conocimiento.

En una investigación cuantitativa resultante generalmente de preguntas cerradas no existe esa “conversación” necesaria para obtener profundidad en la exploración. Ahora os pregunto ¿Se tiene igual una conversación cara a cara que una conversación por WhatsApp?

La investigación cualitativa es una investigación exploratoria que va descubriendo hipótesis a la vez que avanza la investigación. No valida un concepto que quieres encontrar, sino que requiere de apertura para encontrar hipótesis que probablemente no se esperaban. Es una investigación intuitiva y profunda. Hablamos de significados, de conceptos, de símbolos, metáforas, perspectivas y descripciones, no de cantidades. Y es ahí donde reside la creatividad, lo accionable: en los matices, no en las cantidades. ¿Hay algo mejor que esto para la estrategia de las marcas y publicidad? No. Por eso este tipo de investigación, ha resurgido desde las cenizas para volver a educarnos sobre lo que es realmente importante.

Hoy en día, muchas prácticas estratégicas y creativas como el diseño estratégico, utilizan la investigación cualitativa a la cual se le suele dedicar la mayoría del tiempo de un proyecto. El factor tiempo es crucial, la dedicación para una investigación cualitativa no es igual que una cuantitativa. Si queremos que sea realmente útil requiere mucha dedicación, porque hay que pensar en personas, hablar, conversar, pensar preguntas, saber leer las respuestas y a las personas, analizar la información, conectar los puntos y en definitiva, hacerlo con cariño.

En la creatividad la intuición importa y mucho… En una investigación cualitativa también; si nos metemos en una conversación con una persona, hemos de tener la intuición suficiente para ser capaces de conducir la conversación por donde intuyamos que puede resultar más interesante o donde creemos que podemos encontrar profundidad, así como para saber leer a la persona y descubrir sus matices, su perspectiva ya que desde esa perspectiva es desde donde ve el mundo y cuenta su historia.

Las historias dan sentido y sí, también se pueden convertir en estrategias. La publicidad y la estrategia están fundamentadas en historias conectadas entre historias y conectadas a la marca. Con la investigación cualitativa ética, podría re-surgir un nuevo modelo de publicidad más transparente, más singular y más relacional. Una publicidad que no nos haga comprar, sino que nos haga imaginar futuros con narrativas diferentes en donde las marcas encuentren también su sitio.

Tenemos que forjar nuevos paradigmas de análisis en donde la subjetividad nos diga el por qué y los datos nos digan el cómo. Tenemos que volver a apreciar la singularidad de las prácticas humanas en función a criterios que no tengan por qué ser cuantificables.

Leonor Ruiz
Estrategia e innovación en Soulsight
www.soulsight.es

Futuro del socorro en casos de desastres naturales

Comments off

Fuente imagen: MIT Chita III, Instituto Tecnológico de Massachusetts (MIT)

Entre 2005 y 2014, los desastres naturales se han cobrado la vida de más de 700.000 personas y han causado daños totales de más de 1,4 billones de dólares.

Durante los últimos 50 años, la frecuencia de los desastres naturales registrados se ha quintuplicado.

Y a medida que los incendios forestales se vuelven cada vez más indomables, causando estragos en regiones como el Amazonas y California, la necesidad de una respuesta rápida y una prevención inteligente es mayor que nunca.

En este blog, voy a explorar cómo las tecnologías exponenciales convergentes (IA, Robótica, Drones, Sensores, Redes) están transformando el futuro del auxilio en el desastre – cómo podemos prevenir la catástrofe en primer lugar y obtener ayuda para las víctimas durante esa primera hora dorada en la que el auxilio inmediato puede salvar vidas.

Aquí están las tres áreas de mayor impacto:

La IA, el mapeo predictivo y el poder de la multitud
Robótica de última generación y soluciones de enjambre
Aviones teledirigidos y suministro inmediato de ayuda
¡Vamos a zambullirnos!

Inteligencia Artificial y Cartografía Predictiva
Cuando se trata de una respuesta de emergencia inmediata y de alta precisión, los datos son oro.

El meteórico ascenso de las redes espaciales, los globos estratosféricos y la infraestructura de telecomunicaciones 5G ya está en proceso de conectar a cada uno de los últimos individuos del planeta.

Sin embargo, además de democratizar la información del mundo, este aumento de la conectividad pronto le dará a cualquiera la capacidad de transmitir datos detallados etiquetados geográficamente, en particular a los más vulnerables a los desastres naturales.

Armados con el poder de la transmisión de datos y la fuerza de la multitud, las víctimas del desastre ahora juegan un papel vital en la respuesta de emergencia, convirtiendo una operación de rescate ciego de una sola dirección en un diálogo bidireccional entre las multitudes conectadas y los sistemas de respuesta inteligente.

Sin embargo, con una abundancia vertiginosa de datos, viene un nuevo paradigma: uno en el que ya no nos enfrentamos a la escasez de respuestas. En cambio, lo que más importa es la calidad de nuestras preguntas.

Aquí es donde entra la IA: nuestro mecanismo minero.

En el caso de la respuesta de emergencia, ¿qué pasaría si pudiéramos trazar un mapa estratégico de una cantidad casi infinita de puntos de datos entrantes? ¿O predecir la dinámica de una inundación e identificar los objetivos más vulnerables de un tsunami incluso antes de que se produzca? ¿O incluso amplificar las señales críticas para activar la ayuda automática mediante aviones teledirigidos de vigilancia y alertar inmediatamente a los voluntarios de origen multitudinario?

Ya hay una serie de actores clave que están aprovechando la IA, la inteligencia procedente de la multitud y las visualizaciones de vanguardia para optimizar la respuesta a las crisis y multiplicar las velocidades de socorro.

Tomemos como ejemplo One Concern.

Nacido en Stanford bajo la tutela del destacado experto en IA Andrew Ng, One Concern aprovecha la IA a través de una evaluación analítica de desastres y estimaciones de daños calculadas.

En asociación con la ciudad de Los Ángeles, San Francisco y numerosas ciudades del condado de San Mateo, la plataforma asigna «huellas digitales» únicas y verificadas a cada elemento de una ciudad. Construyendo modelos robustos de cada sistema, la plataforma de IA de One Concern puede entonces monitorear los impactos específicos del sitio, no sólo del cambio climático, sino también de cada desastre natural individual, desde cambios térmicos radicales hasta movimientos sísmicos.

Estos datos, combinados con los de la infraestructura de la ciudad y los desastres anteriores, se utilizan para predecir los daños futuros en una serie de escenarios de desastre, informando sobre los métodos de prevención y las estructuras que necesitan ser reforzadas.

En sólo cuatro años, One Concern ahora puede hacer predicciones precisas con una tasa de precisión del 85 por ciento en menos de 15 minutos.

Y a medida que los dispositivos conectados a la IO y el hardware inteligente siguen creciendo, una floreciente economía de billones de sensores sólo servirá para amplificar la capacidad de predicción de la IA, ofreciéndonos estrategias inmediatas y preventivas mucho antes de que ocurra un desastre.

Por ejemplo, los incendios forestales.

El científico atmosférico Adam Kochanski de la Universidad de Utah y un equipo de investigadores están perfeccionando un modelo computarizado con nuevos datos para predecir cómo se propagarán los incendios y qué eventos climáticos seguirán a su paso.

Iniciando un «incendio prescrito» – un incendio controlado típicamente destinado a la restauración del hábitat en regiones boscosas – el equipo utilizó numerosos Drones equipados con cámaras infrarrojas, escaneo láser y sensores para recolectar datos mientras Kochanski probaba los pronósticos de su modelo predictivo.

Mientras que los datos generados todavía están siendo procesados, el experimento está contribuyendo a los «modelos acoplados de atmósfera-fuego», que aprovechan los datos para determinar cómo los incendios forestales influyen en las condiciones climáticas locales, y la interacción de ambos. Sin embargo, el modelo de Kochanski ya demostró ser notablemente predictivo del comportamiento real del fuego experimental.

Junto con redes robustas de sensores y flotas autónomas de aviones teledirigidos, los modelos informáticos que incorporan las condiciones meteorológicas en la cartografía de incendios forestales de IA podrían ayudarnos a detener los incendios tempranos antes de que cobren impulso, salvando bosques, vidas y hábitats enteros.

A medida que la conectividad móvil y los abundantes sensores convergen con la inteligencia de la multitud minada por la IA, la conciencia en tiempo real sólo se multiplicará en velocidad y escala.

Imaginando el futuro……

En los próximos 10 años, la tecnología web espacial podría incluso permitirnos conectarnos a redes de malla.

Como he explorado en un blog anterior sobre las implicaciones de la web espacial, mientras que las redes tradicionales dependen de un conjunto limitado de puntos de acceso alámbricos (o puntos de acceso inalámbricos), una red de malla inalámbrica puede conectar ciudades enteras a través de cientos de nodos dispersos que se comunican entre sí y comparten una conexión de red de forma no jerárquica.

En resumen, esto significa que los usuarios móviles individuales pueden establecer juntos una red de malla local utilizando únicamente la potencia de cálculo de sus propios dispositivos.

Si se da un paso más allá, una población local de extraños podría transmitir colectivamente innumerables señales de 360 grados a través de una red de malla local.

Imagínese un escenario en el que los ataques armados estallan en distritos urbanos desarticulados, cada grupo de testigos oculares y civiles en riesgo transmitiendo un total de videos de 360 grados, todos alimentados a través de IAs de fotogrametría que construyen un holograma en vivo en tiempo real, dando a los miembros de la familia y a los equipos de respuesta inmediata información completa.

O tome una comunidad costera en medio de lluvias torrenciales y una infraestructura deficiente. Ahora, gracias a una alimentación colectiva en directo, la verificación de los informes de datos se realiza en cuestión de segundos, y la riqueza de los datos estratificados informa a los equipos de respuesta rápida y a las plataformas de IA con una precisión y especificidad increíbles en cuanto a las necesidades de ayuda.

Al unir todas las piezas tecnológicas correctas, podríamos incluso ver el aumento de las entregas automáticas de aviones teledirigidos. Imagínate: la inteligencia de origen multitudinario se compara primero con los datos de los sensores y se verifica algorítmicamente. La IA se aprovecha para determinar las necesidades específicas y el grado de urgencia en coordenadas ultra precisas. En cuestión de minutos, una vez aprobados por el personal, los robots de enjambre se apresuran a recoger los suministros necesarios, equipando a los aviones teledirigidos de tamaño adecuado con la ayuda adecuada para la entrega rápida.

Esto nos lleva a una segunda convergencia crítica: robots y drones.

Mientras que la tecnología de vanguardia de los aviones no tripulados revoluciona la forma en que proporcionamos ayuda, los nuevos avances en la robótica de IA están allanando el camino para las respuestas de emergencia sobrehumanas en algunos de los entornos más peligrosos de la actualidad.

Exploremos algunos de los ejemplos más perturbadores para llegar a la fase de pruebas.

En primer lugar……

Robots autónomos y soluciones de enjambre
A medida que los avances del hardware convergen con la explosión de las capacidades de IA, los robots de socorro en caso de catástrofe están pasando de desempeñar funciones de asistencia a responder de forma totalmente autónoma a un ritmo vertiginoso.

Nacido del Laboratorio de Robótica Biomimética del MIT, el Cheetah III es sólo uno de los muchos robots que pueden formar nuestra primera línea de defensa en todo, desde misiones de búsqueda y rescate en caso de terremotos hasta operaciones de alto riesgo en zonas de radiación peligrosas.

Ahora capaz de correr a 6,4 metros por segundo, Cheetah III puede incluso saltar hasta una altura de 60 centímetros, determinando de forma autónoma cómo evitar obstáculos y saltar obstáculos a medida que se levantan

Diseñado inicialmente para realizar tareas de inspección espectral en entornos peligrosos (piense: centrales nucleares o fábricas químicas), las diversas iteraciones de Cheetah se han centrado en aumentar su capacidad de carga útil, rango de movimiento e incluso una función de agarre con una destreza mejorada.

Pero como explicó el director del laboratorio y profesor asociado del MIT, Sangbae Kim, Cheetah III y las versiones futuras tienen como objetivo salvar vidas en casi cualquier entorno: «Digamos que hay un incendio o una alta radiación, por la cual nadie puede entrar. [Es en estas circunstancias que] vamos a enviar un robot[para] comprobar si hay gente dentro. Y antes de hacer todo eso, la meta a corto plazo será enviar al robot a donde no queremos enviar humanos, por ejemplo, a áreas tóxicas o con radiación leve».

Y el Cheetah III no está solo.

El pasado mes de febrero, la Compañía de Energía Eléctrica de Tokio (TEPCO) puso a prueba uno de sus propios robots.

Por primera vez desde el devastador tsunami de Japón en 2011, que provocó tres erupciones nucleares en la central nuclear de Fukushima, un robot ha examinado con éxito el combustible del reactor.

Al transmitir el proceso con su cámara incorporada, el robot pudo recuperar pequeños trozos de combustible radioactivo en cinco de los seis sitios de prueba, lo que ofrece una promesa tremenda para los planes a largo plazo de limpiar el interior, que aún está muerto.

También fuera de Japón, Mitsubishi Heavy Industries (MHi) incluso está utilizando robots para combatir incendios con total autonomía. En una nueva hazaña notable, MHi’s Water Cannon Bot ahora puede apagar fuegos en sitios de difícil acceso o altamente peligrosos.

Al suministrar espuma o agua a 4.000 litros por minuto y 1 megapascal (MPa) de presión, el Cannon Bot y el Bot de Extensión de Manguera que lo acompaña forman parte incluso de un sistema más amplio de engranaje de IA para llevar a cabo el reconocimiento y la vigilancia de vehículos de transporte más grandes.

A medida que los incendios forestales crecen cada vez más indomables, la producción de grandes volúmenes de tales bots podría ser un verdadero salvavidas. Junto con el mapeo predictivo de incendios forestales de IA y los vehículos autónomos de transporte, no sólo las soluciones como Cannon Bot de MHi salvarán numerosas vidas, sino que también evitarán el desplazamiento de la población y paralizarán el daño a nuestro medio ambiente natural antes de que el desastre tenga la oportunidad de propagarse.

Pero incluso en los casos en los que se necesita un refugio de emergencia, las soluciones robóticas innovadoras (literalmente) son rápidas de rescatar.

Después de múltiples iteraciones de Fastbrick Robotics, el robot de albañilería de extremo a extremo Hadrian X puede ahora construir autónomamente una casa de 180 metros cuadrados totalmente habitable en menos de 3 días. Utilizando un accesorio robótico guiado por láser, el camión todo en uno, cargado con ladrillos, simplemente se dirige a una obra y dirige los bloques a través de su brazo robótico de acuerdo con un modelo en 3D.

Hadrian Bricklaying Robot

Robot albañil de Adriano
Fuente: Robótica de ladrillo rápido (Fastbrick Robotics)

Cumpliendo con las normas de construcción verificadas, Hadrian y otras soluciones similares son muy prometedoras a largo plazo, y pueden desplegarse en todos los sitios de refugiados y regiones que se están recuperando de catástrofes naturales después de un conflicto.

Pero, ¿y si necesitamos construir refugios de emergencia a partir de la tierra local? Marcando una extraordinaria convergencia entre la robótica y la impresión en 3D, el Instituto de Arquitectura Avanzada de Cataluña (IAAC) ya está trabajando en una solución.

En una gran hazaña para la construcción de bajo costo en zonas remotas, IAAC ha encontrado una manera de convertir casi cualquier suelo en un material de construcción con tres veces la resistencia a la tracción de la arcilla industrial. Ofreciendo una miríada de beneficios, incluyendo aislamiento natural, bajas emisiones de gases de efecto invernadero, protección contra incendios, circulación de aire y mediación térmica, el nuevo suelo nativo impreso en 3D de IAAC puede construir casas en el sitio por tan sólo $1,000.

Pero mientras que la robótica de vanguardia abre nuevas y extraordinarias fronteras para la construcción de emergencias a bajo costo y a gran escala, los nuevos avances en hardware y computación también están permitiendo la escala robótica en el otro extremo del espectro.

Una vez más, inspirados por fenómenos biológicos, los especialistas en robótica de todo Estados Unidos han comenzado a pilotar pequeños prototipos robóticos para localizar a los individuos atrapados y evaluar los daños a la infraestructura.

Por ejemplo, RoboBees, diminutos bots desarrollados por Harvard que utilizan la adhesión electrostática a «perchas» en paredes e incluso techos, evaluando el daño estructural tras un terremoto.

O el prototipo de Snakebot de Carnegie Mellon, capaz de navegar a través de puntos de entrada que de otro modo serían completamente inaccesibles para los equipos de respuesta humanos. Conducido por la IA, el Snakebot puede maniobrar a través de los escombros más densos para localizar a los sobrevivientes, utilizando cámaras y micrófonos para la comunicación.

Pero cuando se trata de un reconocimiento rápido en regiones inaccesibles, los enjambres de robots en miniatura tienen buena compañía.

Drones de nueva generación para suministros de socorro instantáneos
Particularmente en el caso de los incendios forestales y las zonas de conflicto, la tecnología autónoma de los aviones no tripulados está revolucionando fundamentalmente la forma en que identificamos a los supervivientes necesitados y automatizamos el suministro de socorro.

Los aviones no tripulados no sólo permiten obtener imágenes de alta resolución para la cartografía en tiempo real y la evaluación de daños, sino que la investigación preliminar muestra que los vehículos aéreos no tripulados superan con creces a los equipos de rescate terrestres en la localización de supervivientes aislados.

Tal y como fue presentado por un equipo de ingenieros eléctricos de la Universidad de Ciencia y Tecnología de China, los aviones no tripulados podrían incluso construir una red de banda ancha inalámbrica móvil en un tiempo récord utilizando un programa de «dispositivo a dispositivo» asistido por batería.

Y como se demostró durante el huracán Harvey en Houston, los aviones teledirigidos pueden proporcionar una gran cantidad de información predictiva sobre todo, desde inundaciones futuras hasta estimaciones de daños.

Entre otros muchos, un equipo dirigido por el profesor de informática de Texas A&M y director del Centro de Búsqueda y Rescate Asistido por Robots de la universidad, el Dr. Robin Murphy, realizó un total de 119 misiones en avión teledirigido sobre la ciudad, desde cuadricópteros de pequeña escala hasta aviones no tripulados de grado militar. No sólo fueron críticas para monitorear la infraestructura de los diques, sino también para identificar a aquellos que fueron dejados atrás por los equipos de rescate humanos.

Pero más allá de la vigilancia, los vehículos aéreos no tripulados han comenzado a proporcionar suministros que salvan vidas en algunas de las regiones más remotas del mundo.

Uno de los ejemplos más inspiradores hasta la fecha es la tirolesa.

Creada en 2014, Zipline ha realizado hasta la fecha 12.352 entregas de aviones no tripulados que salvan vidas. Mientras que los aviones teledirigidos se diseñan, prueban y montan en California, Zipline opera principalmente en Ruanda y Tanzania, contratando operadores locales y proporcionando a más de 11 millones de personas acceso instantáneo a suministros médicos.

Los aviones teledirigidos de Zipline proporcionan de todo, desde vacunas y medicamentos contra el VIH hasta tubos de sangre e intravenosos, y superan con creces el transporte terrestre de suministros, ya que en muchos casos proporcionan células sanguíneas, plasma y plaquetas esenciales para la vida en menos de una hora.

Zipline Drones

Drones de Zipline
Fuente: Zipline

Pero la tecnología de los aviones no tripulados está empezando a trascender la escala limitada de los suministros médicos y los alimentos.

Ahora desarrollando sus drones bajo contratos con DARPA y el Cuerpo de Marines de los Estados Unidos, Logistic Gliders, Inc. ha construido drones de navegación autónomos capaces de transportar 1,800 libras de carga sobre largas distancias sin precedentes.

Construidos con madera contrachapada, los parapentes de Logistic están proyectados para costar tan sólo unos pocos cientos de dólares cada uno, lo que los convierte en candidatos perfectos para entregas remotas de ayuda de gran volumen, ya sea que sean navegados por un piloto o autopropulsados de acuerdo con el mapeo en tiempo real de la zona de desastre.

A medida que el hardware continúa avanzando, la tecnología autónoma de los aviones no tripulados, junto con los algoritmos de mapeo en tiempo real, plantean un sinfín de abundantes oportunidades para el suministro de ayuda, la supervisión de desastres y la rica información en capas de información que antes era inimaginable para la ayuda humanitaria.

Reflexiones finales
Tal vez una de las aplicaciones más consecuentes e impactantes de las tecnologías convergentes es la transformación de los métodos de socorro en casos de desastre.

Mientras que las plataformas de inteligencia basadas en la inteligencia artificial obtienen datos experimentales de primera mano de los que se encuentran sobre el terreno, la conectividad móvil y las redes suministradas en tiempo real están otorgando un nuevo poder narrativo a los más necesitados.

Y a medida que una ola de nuevos avances en hardware da lugar a los equipos de respuesta robótica, la tecnología de enjambre y los aviones teledirigidos, nos acercamos rápidamente a una era de respuestas instantáneas y eficientemente distribuidas, tanto en medio de conflictos como de catástrofes naturales.

Empoderados por estas nuevas herramientas, ¿qué podríamos crear cuando todos en el planeta tengan el mismo acceso a los suministros de socorro y a los recursos inmediatos? En una nueva era de prevención y recuperación rápida, ¿qué futuro puede prever?

Recibido Noviembre Noviembre  10 de 2019, en ingles desde Peter Diamandis <peter@diamandis.com>

https://www.diamandis.com/subscribe?p=subscribe&utm_campaign=Tech%20Blog&utm_source=hs_email&utm_medium=email&utm_content=79202512&_hsenc=p2ANqtz-_f6WqORkp-wUOej9sMmNkAg3bxFmWlI1412s46TeOyW7FAt1eixt-Fm_NhDdTVUNwmByMdkVe2FJAFskX5jGXPM0xGvA&_hsmi=79202512

Es la anticipación una buena estrategia?

Comments off

Is Anticipation a Good Strategy?

Octubre 10 2019  / Fuente: https://lifeboat.com/blog/2019/10/is-anticipation-a-good-strategy?utm_source=newsletter&utm_medium=email&utm_campaign=anticipation_monthly_november_2019_a_review_of_alternative_planetary_futures_november_2019&utm_term=2019-11-04

Posted by  in categories: educationfuturismpolicystrategytheory

Anticipation and to remain hopeful and patient in expecting a preferred future have a special place and a critical role in some moral and religious systems of faith. As a personal virtue, there are many natural, cultural, social, and educational factors that play a role in its development. However, for an economic agent and in general forward looking decision makers who follow a more secular worldview, the argument in favor of anticipation and how much it could be reasonable might be less clear. Therefore, it is worthwhile to explore when and under which circumstances we should choose anticipation. A convincing argument might be helpful. In this blog post I will build a framework based on game theory to provide a better and deeper insight.

Economists, mathematicians, and to some degree, engineers have contributed to the development of game theory. In neoclassic economics, it is assumed that each economic agent has a rational behavior. According to the prediction model based on such an assumption, decision makers, if they sell goods and services, tend to maximize profit and if they buy tend to maximize utility. In other words, people naturally seek the best and the most. Moreover, decision making is based on the principle of “predict then act”. The individual first predicts the likely consequences of choices and attribute to them utilities. In the next step, an alternative is chosen that has the best consequence or the most utility. This camp or school is often called the normative decision analysis.

Nonetheless, empirical studies on the behavior of real decision makers demonstrate that despite the prediction of rational models of choice, the individuals or economic agents, do not always follow the principle of the best and the most. In 1950s, for instance, Herbert Simon showed that when faced with uncertainty and due to lack of information about the future, there are cognitive limits to rationality such that contrary to the neoclassic economic theory, people do not make decisions rationally and logically in search of the optimal alternative. Instead they seek a combination of satisfaction and sufficing levels of utility which is also called “satisficing”. This camp or school is often called the behavioral or descriptive decision analysis. To further explain, no one can claim that in a certain decision the best alternative has been chosen, regardless of the choice criteria or the ideal level of utility. Because there is always a better alternative than the best alternative known to us now. That better alternative either exists now beyond our awareness or will appear in the future. But we never can choose it if we do not know about it. In brief, we can possibly choose from a subset of the best, the best element.

In light of the flaws of the actual decision making by humans, we tend to recognize both the pros and cons of normative and descriptive decision analysis. Pioneers of decision analysis therefore have attempted to work on a new integral school that is wise enough and take into account the natural cognitive limits. This camp or school is often called the “prescriptive” decision analysis. The aim is to educate and train better decision makers, both individually and collectively. Our approach here to the question of anticipation is also integral and prescriptive.

Use of games in military planning, strategic thinking, and modern futures studies has a long tradition. Yet the approach is often experimental which means you need to play the game to learn and to capture the complexity and to encourage creativity in search of new deep insights. Another approach is analytical and you need to calculate to obtain and to develop some not trivial and not intuitive insights.

When more than one decision maker in a competitive or cooperative involve in decision situations, game theory is used to do decision analysis. Game theory is an analytical-mathematical framework to investigate the space of decision in strategic situations that involve conflicts of interests or conflict of preferred futures. A conflict of interest situation arises if two or multiple decision makers pursue different and opposing goals and there cannot be win-win situations. For example, in international futures, a rising and more assertive China will conflict with the hegemonic USA. Or in the case of personal futures, when several persons like to marry one person and therefore have to compete with each other.

The aim of game theory is to find the optimal strategy for each of the so-called players. Five key assumptions in the theory are:

1. Each player (decision maker) has at least two well defined alternatives or options of choice. Alternatives are indeed the plays by the players.
2. Each play ends in a well-defined outcome (win, lose, tie) when the game is over.
3. Each player attributes to each outcome a specific payoff or utility.
4. Each player knows the rules of the game and knows also the scores or utilities for other players per each outcome.
5. Each player plays rational. That is faced with at least two alternatives, the alternative with more payoff is chosen.

However, the assumptions number 4 and 5 are violated in the real world decision making. In particular, the rationality is challenged in the descriptive school as mentioned above

Now, after this brief introduction, we can address the question: “is anticipation a good strategy?”

We first introduce a game with simple rules and then explore the mathematical solution.

The game of rug or carpet is introduced like this:

Two persons are in bazaar. Someone who has two Oriental rugs comes close and offers them this: I want to give you these two rugs. If both of you accept the offer I will leave and never return. But if one of you do not accept the offer, tomorrow I will visit you again and bring a package with me. In that package there is either a rug or a carpet with a fifty-fifty chance. The carpet will value four times the rug. If both of you decline my today offer in anticipation of a carpet tomorrow, then one of you will receive nothing. If one of you decline my today offer in anticipation of tomorrow, then at least one rug will be the gain. If one accepts and the other one declines, the one who does not wait for tomorrow’s package can take both of the rugs. But whoever accepts today’s offer cannot anticipate anything in tomorrow’s prospect.

If the game of rug or carpet just described played in complete competition and both of the players express their choices simultaneously without knowing the choice of the other player, then it is reasonable to ask a challenging question that “is anticipation a good strategy” which has no trivial answer and needs an analytic investigation.

If players care about their own interests, then what they should do now. Is it better to anticipate a better offer tomorrow under any conditions? More specifically, if your competitor chooses anticipation with a 50% probability then what is the good strategy for you?

In the game of rug or carpet several factors such as patience, anticipation, risk, and competition are important. Descriptive school of decision science indicates that people are often risk averse with respect to gains and risk prone with respect to losses. In other words, humans would prefer the sure gain to the likely gain. This cognitive insight reveals that, our players will likely accept their one rugs and the game will be over. Therefore, no offer a package on tomorrow and no need for anticipation.

But a normative approach uncovers some points. Taking into account such points will be helpful in a prescriptive approach which aims to bridge the gap between rationality and reality of choice. First, note that if we assume that the players do not chose simultaneously, then the second player’s optimal choice will be to choose the opposite choice of the first player. This means that if the first player does not prefer to anticipate then the second player should anticipate the offer of tomorrow and vice versa. Clearly if the first player does not anticipate and accepts the offer then the second player in the case of not anticipation obtains a rug and in the case of anticipation obtains at least a rug. But given the likelihood of a carpet on tomorrow then anticipation is better.

In the case of simultaneous play, the strategy of opposite choice with “some considerations” is also good. By some considerations we mean the conjecture about the competitor’s choice. As a matter of fact, a player should guess either anticipation or not by the other player.

Suppose that these players have played this game many times in the past and player I has noted that player II often never anticipates. Player I is almost sure that that this time again Player II will not wait in anticipation of the package of tomorrow. Almost sure is a qualitative description for a probability distribution. Absolutely sure, very sure, almost sure, do not know, almost unlikely, very unlikely, and absolutely unlikely might be interpreted with quantitative estimates such 100%, 80–99%, 50–80%, 50%, 20–50%, 1–20%, and 0% respectively.

Either player should make a conjecture about the other player’s choice. There is a specific threshold, that can be calculated, which establishes the probability about the opponent’s choice such that the utility of anticipation versus not anticipation will be equal for either of players. That probability shows that when anticipation and not are indifferent.

To analyze and calculate that threshold probability we order the pairs of utilities like this: (a, a), (a, n), (n, a), and (n, n) where a is anticipation and n is not anticipation. For example, the ordered pair of (a, n) says that player I anticipates and player II does not anticipate.

Now to calculate the gains for each player we should compute the expected payoffs of all these pairs. If none anticipates, (n, n), then both will have one rug and therefore (n, n) = (1, 1). If player I does not anticipate and player II anticipates, (n, a), then player I will have two rugs, and player II will have a 50% chance of a rug, and a 50% chance of a carpet which values 4 times the rug. The expected gain for player II will be: 0.5*1+ 0.5*4= 2.5. Hence we have (n, a) = (2, 2.5). Similarly, we have (a, n) = (2.5, 2). For the case of that both players anticipate, one of them will have nothing. The expected gain for either of players will be: 0.5*2.5+ 0.5×0 = 1.25 and we have (a, a) = (1.25, 1.25).

Now suppose that player I guesses that player II will anticipate with probability P. If player I also anticipates the package of tomorrow then the expected gain will be a mix of (a, a) and (a, n) in this way: E(I_a) = (1.25) * P + (2.5) * (1-P). If player I does not anticipate then the expected gain will be a mix of (n, a) and (n, n) in this way: E (I_n) = (2) * P + (1) * (1-P). Depending on whether E(I_a) is larger or smaller or smaller than E (I_n) the player I will have a clear choice between either anticipation or not anticipation. But if they are equal for a specific probability of anticipation by player II, the player I will be indifferent between either choice. Let’s calculate that threshold probability.

E (I_a) = E (I_n)

(1.25) * P + (2.5) * (1-P) = (2) * P + (1) * (1-P)

1.5 = 2.25 P

P = 2÷3=0.7

This probability says that if player I thinks that player II will anticipate the package of tomorrow with a probability of 70% then player I will remain indifferent to prefer either anticipation or not anticipation. Any change to that estimate will give player I a clear choice. Consider that for instance that player I is very sure that player II will anticipate, i.e. P = 90 %, then E (I_a) will be less than E (I_n). Therefore, not anticipation for player I is the preferred choice.

Obviously, the threshold calculated above depends on the relative value of carpet to rug which we assumed to be 4. The deeper insight that is uncovered using this game is that for another threshold, this time involving the relative value of carpet (the potential reward of tomorrow for which anticipation is necessary) to the rug (the current reward of today without the need for anticipation). Such a threshold demonstrates that for a specific relative value of carpet to rug, the anticipation is the better choice, “regardless of our conjecture about the opponent’s probability of choosing either anticipation or not anticipation.” If we use the relative value of carpet to rug in the above calculation as an unknown parameter, X, it can be shown as noted below that the threshold of relative value is 7.

E (I_a) = E (I_n)

P*0.5*(0.5+0.5X) +0.5*(1+X) *(1-P) =2P+(1-P)

P = (0.5X-0.5)/(.25X+1.25) < =1

X<=7

In other words, if the relative value of carpet to rug in this game is more than 7 then the anticipation is a good strategy without any need to make a conjecture about the other player’s choice.

We usually face circumstances similar to the game of rug or carpet. Rug might be an acceptable alternative but not ideal or excellent yet better than nothing. Carpet might be a wonderful and top alternative which demands anticipation on our side. A job seeker who has to compete with other candidates figures out that if the current job or position offer is declined it is likely that in the future a far better offer could be found. Or consider someone who is looking to buy or rent a house. In case of more diligent search a far better house could be found in the market with the same price. Or if you refuse to marry your partner now in anticipation of a better ideal match in the future. Although, the conditions of such key decisions, in particular their emotional aspect, could not perfectly match the game of rug or carpet, the insights obtained from this analytical view, will be helpful for a better and reflective thinking about decisions.

In addition to the conjecture about the opponent’s choice, which was our focus, other factors are also relevant in a more realistic world of decision making such as time constraint, nature of the need or want, access to information, active search and supply and demand. Time is critical on two dimensions. One the distance between the first offer of rug and the second offer of a probable carpet. For instance, how long a job seeker can sustain the hardship associated with unemployment. Also, how much time pressure is upon us. For instance, someone looking for a best deal in the house market in anticipation of a yet better alternative will wait forever. Therefore, having a clear deadline and time schedule for anticipation is important. On the other hand, the nature of the need impacts the anticipation strategy. If it is a critical and elementary need then anticipation might not be justifiable. The more secondary and luxury our need the more reasonable to anticipate a far better future. We assumed that in the game of rug or carpet that players have information symmetry. In the real world, that is not the case always. Using my connections to professional networks, I might have been informed that soon in the future a highly respected employer will have vacant positions. But you do not have such an information advantage as my opponent. As a result, I will not be hesitant to anticipate. Active search while anticipating a far better future highlights the importance of a proactive attitude instead of inactive wait and see. If you wait for a 50% chance of carpet, the better future, you should be more active to change that likelihood up to 70% or 80%. Finally, the old rule of supply and demand applies. If you are in a highly competitive market in which peers attempt to obtain an average alternative and you are almost sure that the peers will not anticipate then it is wise to anticipate a far better alternative in the future in a market that is going to be less competitive because of less demand.

Another note involves the case of cooperation or sharing between players. Clearly they should coordinate to choose opposite alternatives because they will gain as a group either three rugs or two rugs plus a carpet. If both anticipate or both not anticipate they will gain as a group either a rug or carpet in one case and two rugs in the other case, respectively. Another assumption could be that each player not only wants to win a gain but also to make sure that the opponent will lose with less gains. Here the calculations should be revisited. In other words, each player needs to do exactly what the other player will do. If player I is very sure that player II will not anticipate then player I should also not anticipate to avoid giving two rugs to the gains of the opponent. And if player I is very sure that player II will anticipate then player I should also anticipate in order to have a 50% chance of keeping player II empty handed in the end.

About the Author: Victor V. Motti, a Lifeboat Foundation Advisory Board member, is a Middle East based senior adviser of strategic foresight and anticipation. He is also the Director of the World Futures Studies Federation. His new book A Transformation Journey to Creative and Alternative Planetary Futures was published in early 2019 in the UK.