Cuando Kandinsky bata a los mercados

“Sometimes it is the people no one can imagine anything of who do the things no one can imagine.” Alan Turing

“Todo empieza con un punto.” Vasili Kandinsky

Cuando Wall Street cerró el 19 de octubre, los analistas llevaban ya muchas horas siendo conscientes de que estaban viviendo una jornada histórica. Y no precisamente por el éxito de sus operaciones, sino porque ese terrible día de 1987 el Dow Jones perdió más de 500 puntos; casi uno de cada cuatro dólares invertidos se esfumaron, generándose unas pérdidas de más de 500.000 millones de dólares sólo en ese mercado. Más allá de razones macroeconómicas, que explican sin duda buena parte del pinchazo de un índice que había marcado un máximo en agosto, con un incremento del 44% respecto del nivel del año anterior, siempre perdurará la duda de si realmente los sistemas automáticos de trading tuvieron tanta culpa como se señaló entonces. El relato es sencillo de entender: programados para efectuar miles de operaciones, las señales de venta dispararon las alertas y se realimentaron, generándose una cascada de órdenes que los traders no fueron capaces de bloquear, inmersos en un pánico vendedor.

Valga este ejemplo, en el año que se cumplen 30 años del 'crash', para señalar la importancia que la tecnología tenía ya entonces en el parqué. Una tecnología que hoy, desproveyéndola del inmenso dolor que causó a miles de inversores, nos hace sonreír ante su falta de capacidad de aprendizaje, ante su reacción cuasi pauloviana a unos impulsos primarios.

En la foto que ilustra este 'post' podemos observar dos versiones de Jon Nieve, en la interpretación de Kit Harrington para Juego de Truenos, la versión televisiva de la obra épica de George R.R Martin 'Canción de hielo y fuego'. Lo interesante de la segunda no es el trazo en sí, que perfectamente podía haber firmado Kandinsky, sino la forma en que se ha producido: mi colega y buen amigo Gabriel Valverde, científico de datos en un banco nacional, alimentó con miles de imágenes del ruso una red neuronal multicapa para entrenarla en las características pictóricas del autor. Cuando le añadió foto promocional de Harrington, disponible en Wikipedia, la red supo perfectamente cuál era el resultado que mi amigo esperaba, y lo devolvió tal y como lo reproducimos.

Esta es la característica fundamental del denominado 'deep learning', el último avance de la inteligencia artificial que está revolucionando nuestro entorno. Nacido en los últimos 10 años, la idea subyacente es “simular” la forma en la que los humanos aprendemos. Es fácil de entender si pensamos en la forma que tenemos de reconocer una obra de Mondrian, de Klimt o de Picasso: no necesitamos que nadie nos explique las motivaciones del autor, ni el entorno en el que desarrolló su pintura, ni por supuesto necesitamos un vector de píxeles para saber que estamos delante de alguna de sus obras: solo necesitamos haber visto algunas de ellas para reconocer sus trazos, sus características únicas, y ser así capaces de esbozar sobre un papel una representación más o menos aproximada del original. Hemos aprendido sin darnos cuenta y somos capaces de reproducirlo, aunque sea burdamente. Cuanto más nos entrenemos en la observación de las obras, más detalles apreciaremos y mejor seremos capaces de reproducirlo. Igual que el sistema que reprodujo a Nieve.

¿Podría una red de 'deep learning' evitar hoy un colapso como el 1987?

Google y Facebook son los principales promotores de este tipo de red neuronal artificial, que emplean para el tratamiento de imágenes (por su capacidad de reducir su tamaño de gigas a bytes, para luego redimensionarlas sin apenas pérdida de detalles) o la traducción de idiomas: de la impresionante mejora aparecida después del verano en Google Translate es responsable esta técnica. Me enseña Gabriel, amante del jazz, cómo Ji-Sung Kim, estudiante de Princeton (sí, estudiante) fue capaz de entrenar a una red de deep learning en sólo 36 horas, para que sonará como Pat Metheny. Aquí está el resultado, disponible en soundcloud.

BlackRock, el mayor gestor de fondos del mundo, acaba de tomar la decisión de sustituir a varios de sus operadores por sistemas de inteligencia artificial. Su departamento de 'Scientific Active Equity' está dirigido por David Wright, un joven economista de Leicester que estuvo hace pocas semanas dando una master class sobre big data para la gestión de activos en el master de 'Data Science' para Finanzas del CUNEF. Allí explicó cómo BlackRock utiliza todo tipo de información para evaluar los títulos, desde sistemas de lectura automática que interpretan las declaraciones de los ejecutivos sin tener que enviar a ningún analista, hasta satélites que observan los camiones que circulan desde las fábricas chinas, para así predecir subidas o bajadas de producción. BayernInvest Acatis KI Aktien Global Fonds es el primer fondo de renta variable controlado exclusivamente por sistemas de inteligencia artificial, en el que ningún gestor tomará decisiones y en el que no intervendrá ningún analista. Los sistemas de deep learning tienen la capacidad de aprender de sus errores y ajustar las ponderaciones en virtud de las circunstancias cambiantes del mercado; exactamente igual que haría cualquier analista, pero en un tiempo récord y, por tanto, por una fracción de su coste.

¿Podría una red de 'deep learning' evitar hoy un colapso como el 1987? Quizá para algunos estemos aún lejos del momento en el que los sistemas de redes neuronales alcancen la potencia de la mente humana. Ciertamente, tan lejos como doce años. En ese momento se verificará el test de Turing y entraremos, de lleno, en la era de la inteligencia artificial, en la que Kandinsky batirá a los mercados. Porque, como él mismo señaló, todo empieza con un punto.