Breaking News
recent

La teoría de juegos en la construcción de machine learning


Al utilizar instrumentos de data analytics trabajamos con teoría de juegos, y ésta tiene reglas que hay que entender antes de diseñar algoritmos que quizá sean muy interesantes en el diseño, pero no en la conceptualización económica.


En el último año he participado en varios cursos y talleres sobre machine learning, algunos sobre la herramienta de SAS (Miner) y otros sobre la herramienta de Microsoft (Azure ML). Si bien en varios de ellos se trabajó sobre ejemplos puntuales, además de hacer explícitos diferentes algoritmos de comportamiento, en pocos se relacionaron estas herramientas con la teoría económica, en que se fundamenta el uso de esos instrumentos, es decir, diseñar regresiones, árboles de decisión, redes neuronales y clusters no sirve mucho si no se entiende el antes y el después de la utilización de la herramienta. Y todo esto se encuentra enmarcado en lo que hace a la economía del comportamiento, particularmente en teoría de juegos.

La teoría de juegos es una rama de las matemáticas con aplicaciones en la economía, sociología, biología y psicología, que analiza las interacciones entre individuos que toman decisiones en un marco de incentivos formalizados (juegos). En un juego, varios agentes buscan maximizar su utilidad eligiendo determinados cursos de acción. La utilidad final obtenida por cada individuo depende de los cursos de acción escogidos por el resto de los individuos. La teoría de juegos, que tiene muchas aplicaciones en las ciencias sociales, es una herramienta que ayuda a analizar problemas de optimización interactiva.

Cuando un jugador tiene en cuenta las reacciones de otros jugadores para realizar su elección, se dice que el jugador tiene una estrategia. Una estrategia es un plan de acciones completo que se lleva a cabo cuando se juega el juego. Se hace explícita antes de que comience el juego, y prescribe cada decisión que los agentes deben tomar durante el juego, dada la información disponible para el agente. La estrategia puede incluir movimientos aleatorios.

El árbol de juegos es una representación de un juego que describe la estructura temporal de un juego en forma extensiva. El primer movimiento del juego se identifica con un nodo distintivo que se llama la raíz del juego. Una jugada consiste en una cadena conectada de ramas que comienza en la raíz del árbol y termina, si el juego es finito, en el nodo terminal. Los nodos representan los posibles movimientos en el juego. Las ramas que parten de los nodos representan las elecciones o acciones disponibles en cada movimiento. A cada nodo distinto del nodo terminal se le asigna el nombre de un jugador, de modo que se sabe quién hace la elección en cada movimiento. Cada nodo terminal informa sobre las consecuencias para cada jugador si el juego termina en ese nodo.

Por ende, cuando estemos utilizando instrumentos de data analytics no debemos perder de vista que en realidad estamos trabajando con teoría de juegos, y ésta tiene ciertas reglas, juegos, que hay que entender antes de diseñar algoritmos que quizá sean muy interesantes en el diseño, pero no en la conceptualización económica.

El autor es Diego Vallarino, Director de Bexton Research. Colaborador en Innovación Estratégica y Competitividad en empresas y gobiernos de América Latina. Autor del libro “Innovando desde el Sur” y profesor invitado en MBA.

No hay comentarios:

Con la tecnología de Blogger.