Jared Aurentz: “El riesgo es algo completamente relativo e irracional”

Jared Aurentz (Minnesota, EEUU, 1988) piensa las respuestas detenidamente antes de aventurarse a decir una sola sílaba. A pesar de que hable castellano casi a la perfección sabe que es difícil transmitir según qué conceptos, por eso a veces, cuando termina después de un rato pregunta, “¿me explico?”. Aurentz habla un castellano bastante fluido, fruto de las clases y de su mujer, que es española. Lleva en nuestro país tres años, pero antes se doctoró en Matemáticas Aplicadas en la Universidad de Washington (2014), trabajó en la Universidad de Oxford como investigador (2016) y recibió el premio SIAM que otorga la sociedad de Matemática Industrial y Aplicada (2017). Ahora se encuentra becado por La Caixa y dentro del programa Junior Leader Incoming, que le permite continuar sus investigaciones posdoctorales en el ICMAT, el Instituto de Ciencias Matemáticas.

Recibe a eldiario.es en el Instituto. Él y su equipo están desarrollando un nuevo modelo dentro de la teoría de juegos llamado “análisis de riesgos adversos”. Los enunciados de John Nash, Oskar Morgenstern y John Von Neumann suponen que los jugadores conocen las reglas y que saben qué acciones ejecutarán los otros, por eso la teoría ha sido aplicada en campos como la economía o los negocios, donde los resultados se pueden predecir en base al análisis del comportamiento previo de los actores (entre otras muchas cosas). El investigador del ICMAT propone un nuevo modelo con variables aleatorias, impensable para los tres matemáticos del siglo XX. También habla sobre nuestro proceso de toma de decisiones, el concepto del riesgo, el fracaso, las zonas de confort y el valor esperado.

¿Nos asusta el riesgo de forma natural?

Yo diría que sí, tenemos una aversión al riesgo bastante fuerte. Cuanta más responsabilidad y más años se tienen, los humanos mantenemos la estabilidad de forma más importante y evitamos el riesgo. ¿Cuál es el sueño de una persona media? Tener un trabajo estable, hipotecarse, encontrar un buen colegio para los niños y más o menos hacer lo que están haciendo todo los demás en su entorno. Su estrategia de supervivencia es no desviarse mucho de la media, que se puede interpretar como no tomar riesgos. En la media nos encontramos muy seguros, pero si la rodeamos y nos salimos de ella, estamos asumiendo riesgos.

En EEUU por ejemplo, el principal motivo de muerte no médica es conducir un coche. Tienes más riesgo de morir en un coche que por un infarto y fíjate el problema que tenemos con el sobrepeso allí. Sin embargo, la gente tiene más miedo a cambiar de trabajo a pesar de que coge el coche todos los días. El concepto de riesgo es completamente relativo e irracional. Vivimos nuestro entorno, vemos a la gente y decimos, “si hago más o menos lo mismo no hay riesgo”.

¿Cree que el fracaso se afronta o se ve igual en Europa que en EEUU?

[En este momento, Aurentz saca una hoja de papel y dibuja un círculo con un punto en el centro que representa a Europa. Al lado dibuja otro punto al que rodea con un óvalo, más estrecho en la parte superior e inferior pero más alargado que el círculo europeo, que representa a EEUU]. Las medias siempre son esféricas. Aunque la vida tiene millones de variables, la forma de la media en Europa es bastante circular. Si desarrollas tu vida así dentro de ese círculo y tomas decisiones en este círculo, no estás tomando muchos riesgos.

En EEUU, el concepto de montar una empresa o de cambiar de trabajo frecuentemente, cosas que tienen un riesgo bastante alto desde el punto de vista europeo, son menos arriesgadas que en España. Algunas decisiones que estarían fuera del círculo de confort europeo están dentro de los extremos de la zona de confort de EEUU.

En economía, el término Expected Value (EV) se usa para designar a aquellas decisiones que tienen un valor positivo a largo plazo. ¿La gente tiene en cuenta el EV cuando toma decisiones en la vida?Expected Value

Calcular el EV de lo que supondrá un cambio de trabajo, la compra de una casa o cualquier tipo de inversión es algo bastante fácil de calcular. Las personas toman decisiones relativas a esto, a si esa decisión va a forzarles a salir de su zona de confort o no. Al ir a tomar una decisión que te fuerza a salir de tu zona de confort mucha gente se coarta.

Cada persona tiene su concepto de este círculo, no son todos exactamente iguales. Y aunque les den un número que diga que comprar esta casa es la mejor decisión económica de sus vidas, si la persona considera que eso se sale de su zona de confort, no lo hará. A pesar de que sea una buena decisión, sin tener garantía de ello. No es algo muy racional, no es demasiado lógico.

¿Nuestras decisiones están condicionadas por la sociedad en la que crecemos?

Sí. El mundo es relativo. El mundo para ti es tu entorno, la gente que conoces... Lo que es bueno para ti en tu cultura puede ser malo en otra cultura, por eso es completamente relativo. Si estás lo suficientemente cerca de la media estás seguro, digamos, y fuera de ahí, no. La generación de nuestros padres nos dijo que había que sacar buenas notas, estudiar una carrera y que todo saldría bien. Pero luego llegas al trabajo y esa es la vida. ¿Qué hacemos entonces? Desde mi punto de vista, quizás sea demasiado americano, pero me parece fenomenal si quieres con romper todo y tener un plan B. Me gustaría que más jóvenes españoles lo hicieran: hay muchos que dicen “no voy a hacerlo, las condiciones en España están fatal, no estamos en EEUU, no estamos en Alemania, no estamos en Suiza, allí todo es más fácil...”. Pero eso es un error. Hay que luchar por lo que quieres, no esperar que venga a ti.

La teoría de juegos asume que los jugadores conocen qué harán otros jugadores. ¿Qué aporta su modelo a la hora de la toma de decisiones?

La idea es desterrar los planteamientos antiguos de la teoría de juegos. Aquí, todos tienen conocimiento perfecto de todo lo que hacen los demás. Esto no es la realidad. Ninguno sabe qué piensa el resto de jugadores. La idea con este framework es que tú puedes introducir elementos aleatorios, elementos que intentan representar las variables o los elementos que son desconocidos.

Las cosas que estamos desarrollando ahora mismo son bastante abstractas. Imagínate que sabes que puedes pasar por un lugar aunque no sepas si algún día vas a pasar por ahí. Por ejemplo, entre el camino desde tu oficina hasta aquí hubo mogollón de rutas pero no supiste al principio qué ruta ibas a tomar. Solo supiste que había una amplia posibilidad de caminos. Estos métodos se entrenan en situaciones así: tú pasas aleatoriamente por todas las posibilidades que hay y coges una especie de media estadística de todos los caminos. Depende de si estás calculando el tiempo para llegar, el consumo de combustible...

¿Cómo son esos elementos aleatorios?

En vez de pensar en el modelo que toma la decisión como algo determinístico, algo fijo o algo concreto, nosotros introducimos elementos que nos dan flexibilidad para las cosas que de verdad no conocemos. Se usa la palabra “adversos” porque los desarrollamos pensando en juegos, en competitividad, esta persona contra esta persona, este grupo contra este grupo, etcétera. Pienso que es mucho mejor intentar aplicar un algoritmo así que pensar que sabemos 100% lo que están pensando los demás.

¿Y qué aspectos toman en cuenta esas variables?

Son aleatorias. Por ejemplo, una de las aplicaciones en las que estamos pensando es la ciberseguridad en una red. Imaginemos que todos los usuarios de Telefónica por las tardes, cuando salen de trabajar, van a casa y ponen Netflix o están hablando por Skype. El volumen de tráfico sube muchísimo, por lo que puede ser un buen momento para que un hacker se intente aprovechar de la falta de recursos que tiene Telefónica en este momento. Las variables son qué carga de tráfico hay, qué momento del día es, si es fin de semana o no, qué sofisticado es el hacker...

Estas variables no se pueden saber exactamente, siempre hay que hacer estimaciones: no sabes de verdad si el hacker sabe que la red está más ocupada un día en concreto. Es imposible saber las cosas de forma concreta, pero al menos puedes reconocer, matemáticamente, las cosas desconocidas.

De momento están entrenando su algoritmo en varios juegos de mesa. ¿Cuáles?

Estamos empezando con juegos por una razón muy sencilla: aquí puedes sacar datos, ejemplos y muestras infinitas. Son algo virtual. Tú puedes programar al ordenador para que juegue 100 millones de partidas de dominó en 10 segundos. Pues tienes una muestra de datos infinita. Estamos intentando aprender y jugar con las matemáticas en situaciones en las que tenemos suficiente información como para sacar resultados concretos. Lo estamos haciendo con el dominó porque tiene cierto interés cultural en España.

¿Por qué dominó y no ajedrez?

Bueno, otra razón es que prácticamente no hay ningún estudio relacionado con el dominó en la literatura científica. He encontrado uno de un congreso de hace un par de años en el que también estaban aplicando estos modelos donde piensan que todos los jugadores conocen las estrategias de todos los demás jugadores, lo que es teoría de juegos tradicional. Eso es por lo que ganó el premio Nobel de Economía John Nash. Era superguay cuando salió, pero ahora mismo está anticuado. Pues ellos [los del congreso] estaban aplicando la misma teoría al dominó, pero que todos los jugadores sepan en qué están pensando el resto de jugadores no es real. Es lo que Nash llama “Juegos de Información Perfecta”. Nosotros queremos aplicar el modelo sin esta “información perfecta”; además, no hay muchos artículos sobre dominó y creemos que tiene mucho interés aquí en España. Por eso estamos empezando por ahí.

¿Y qué hay del mus?

Está en la lista. Tenemos varios apuntados. Hay otra cosa importante para mí y es que el ajedrez, las damas, el shogi [ajedrez chino], etcétera, son juegos determinísticos. No tienen ningún elemento aleatorio: la mesa está puesta y siempre es lo mismo, siempre tal jugador empieza y sigue en marcha. Por otro lado, juegos como el dominó, el mus, el chinchón... Tienen esta distribución inicial que es completamente aleatoria y ninguna partida es la misma que la anterior. Esto refleja más la realidad. No siempre empezamos desde la misma posición: tenemos que adaptarnos a la distribución inicial que tenemos.

Hace poco, varios investigadores de la Carnegie Mellon consiguieron crear un bot que ha ganado a los mejores jugadores del mundo de póker en mesa corta (6 máximo). ¿Cómo se podría aplicar su modelo en este juego?ha ganado a los mejores jugadores del mundo de póker

Necesitaríamos muchos datos de partidas si queremos jugar contra un grupo de jugadores en concreto. Para estos componentes aleatorios tienes que estimar su distribución, su rango. Tienes que tener una idea de con qué probabilidad vas a pasar por este momento, este camino, este paso... Y sin muchos datos para recoger esta estadística es muy difícil aproximar estas variables. Si tienes un buen cómputo de datos para estudiar, para hacer el análisis, probablemente podrás decir cosas interesantes sobre esos jugadores, sobre cómo juegan. Pero si introduces uno nuevo que no tiene nada que ver con ellos, puede ser muy difícil para el algoritmo. Veo posibilidades, el póker es el tipo de juego en el que estamos interesados. Nuestros modelos están adaptados justo para este tipo de cosas.

¿Por qué su modelo será de código abierto?

Estamos recibiendo dinero público. Me parece un poco injusto guardar este código cuando ellos están pagando nuestros sueldos. Me fastidia un poco el mundo de los artículos científicos controlados por las empresas en los que tienes que pagar una suscripción. Va muy en contra de la idea. Entiendo que estas empresas tienen sus gastos, pero ¿hasta qué punto?

¿Cree que con la Inteligencia Artificial estamos viviendo una revolución comparable a como lo fue en su día la Revolución Industrial?

En la generación de nuestros padres fue el ordenador, en la nuestra ha sido Internet y en la generación que viene serán los datos. Ya tenemos la máquina y ya tenemos la Red; para desarrollar la IA la única cosa que faltaba eran los datos y ya los tenemos. Son los tres ingredientes más importantes para ver qué pueden hacer estos algoritmos. Hemos visto ya que están obteniendo resultados bastante fuertes, como la conducción autónoma por ejemplo. Ninguno de estos algoritmos está al nivel de un ser humano, pero lo que pueden hacer es bastante más de lo que pensábamos hace 20 años. Es impresionante ver cómo hemos avanzado en esta dirección. No me sorprendería nada si es la nueva revolución de la nueva generación, de nuestros hijos.

Derivado de esta revolución aparece un problema, que es el de la gestión de los datos.

Sí y ya lo tenemos encima. El mundo cada año se está haciendo más pequeño con Facebook, con Internet... Las distancias para la comunicación han desaparecido. Nunca pensamos que llegaríamos aquí, pero aquí estamos. Y no sé si estamos preparados o no.

En EEUU, cuando escribieron la primera Constitución, había solo tres estados y era muy pequeño. Nunca pensaban que llegaríamos otra costa, que íbamos a tener un estado, California, que tiene una economía mayor que casi todos los países del mundo... Y aquí estamos. Es lo mismo que con cualquier sistema político: nunca pensaban que estaríamos tan conectados, que íbamos a romper las fronteras de la comunicación como hemos hecho ahora. Facebook está obteniendo datos de ciudadanos de cualquier país del mundo y el único que puede controlarlo parece que es EEUU, pero les da igual. Al final, ¿quién gobierna?