Google acaba de anunciar que se han producido inundaciones en las riberas de los ríos, con hasta siete días de antelación en algunos casos. Esto no es sólo una hipérbole de una empresa de tecnología, ya que los hallazgos realmente se publicaron Naturaleza. Las inundaciones son el desastre natural más común en todo el mundo, por lo que cualquier sistema de alerta temprana es una buena noticia.

Las inundaciones han sido muy difíciles de predecir, ya que la mayoría de los ríos no tienen medidores de caudal. Google solucionó este problema con todo tipo de datos relevantes, incluidos eventos históricos, lecturas del nivel del río, lecturas de elevación y terreno, y más. Después de eso, la empresa generó mapas localizados y realizó “cientos de miles” de simulaciones en cada ubicación. Esta combinación de técnicas permitió a los modelos predecir con precisión las próximas inundaciones.

El enfoque construyó “modelos de alta precisión para ubicaciones muy particulares”, pero Google espera utilizar estas técnicas para eventualmente resolver el problema a escala global. Si bien la compañía predijo con éxito algunas inundaciones con siete días de anticipación, el promedio fue de alrededor de cinco días. Aún así, Google confía en haber ampliado la «confiabilidad de las predicciones globales disponibles actualmente de cero a cinco días». También ha mejorado significativamente las previsiones en regiones subrepresentadas, como algunas partes de África y Asia.

En total, esta tecnología permitió a Google proporcionar pronósticos precisos de inundaciones en 80 países, con una población total de 460 millones. La empresa puso a disposición estos pronósticos en la Búsqueda de Google, Google Maps y mediante notificaciones de Android. Esta información también está disponible a través de la aplicación web patentada de la empresa, que.

¿Qué es lo siguiente? Google seguirá explorando el “potencial del aprendizaje automático para crear mejores modelos de previsión de inundaciones” y se ha asociado con investigadores académicos para perfeccionar el enfoque impulsado por la IA. La compañía espera que esto eventualmente dé como resultado una “plataforma global de pronóstico de inundaciones de extremo a extremo”.

Este artículo contiene enlaces de afiliados; Si hace clic en dicho enlace y realiza una compra, podemos ganar una comisión.

Durante un evento de prensa en 2015, el productor ejecutivo Michael Peterson reveló que la premisa del episodio de la temporada 9 «El misterio de la carne», en el que el cuerpo de un científico alimentario asesinado es mutilado y enlatado para servir en la cafetería de una escuela, no era tan extravagante como pensaron inicialmente los escritores. Como dijo Peterson a los medios:

«Tenemos… tenemos la mala costumbre de que cuando escribimos algo, en realidad sucede en la vida real. Hay un episodio en el que una persona fue enlatada y, poco después de escribirlo, alguien murió; creo que fue en el Bumble Bee. fábrica de atún… y estaba enlatado».

Entonces Peterson tenía razón y no. Un trabajador de la planta de Bumble Bee Foods en Santa Fe Springs, California, de hecho murió después de ser cocinado accidentalmente en un horno industrial con seis toneladas de atún enlatado. El hecho de que este no sea un proceso particularmente rápido hizo que la muerte fuera aún más espantosa (y le costó a Bumble Bee $6 millones en un acuerdo de 2015).

Lo que Peterson aparentemente no se dio cuenta fue que este incidente ocurrió el 12 de octubre de 2012, un año antes de que «El misterio de la carne» se emitiera en Fox. Así que, al menos en este caso, su conciencia puede quedar limpia. Si no fue idea suya, es muy probable que alguien en la sala de escritores leyera sobre la muerte de Bumble Bee y la presentara como premisa. O tal vez simplemente estaban obsesionados enfermizamente con concebir formas en que se pudiera enlatar un cuerpo humano. Es el tipo de asunto repugnante que podría hacer palidecer incluso a Christopher Pelant.

Lucid Motors planea fabricar sólo 9.000 vehículos eléctricos en 2024, sólo entre 500 y 1.000 más de los que fabricó en 2023, mientras lucha con la demanda de sus sedanes de lujo. Si se mantiene en esa cifra, eso significa que Lucid terminará construyendo alrededor del 10% de los 90.000 vehículos eléctricos que predijo que podría fabricar y vender en 2024 cuando salió a bolsa hace tres años.

El abismo entre las nuevas cifras y esas expectativas originales pone de relieve cuánta libertad tenían empresas como Lucid para promover las fusiones inversas que ayudaron a tantas a cotizar en bolsa. Y es una señal de la brutal realidad que ahora enfrenta Lucid: que todavía está luchando por encontrar compradores y perdiendo dinero con cada vehículo eléctrico que construye.

Lucid anunció los objetivos de producción para 2024 el miércoles junto con sus resultados financieros del año pasado, donde compartió que perdió 2.800 millones de dólares en 2023. La modesta proyección llega unos días después de que la compañía recortó los precios de su sedán Air en 8.000 dólares.

El director ejecutivo, Peter Rawlinson, ha pasado gran parte del último año hablando de lo importante que es para su empresa mejorar sus esfuerzos de ventas y marketing, al tiempo que señala el próximo SUV Gravity como un impulso potencial. ThLa gravedad es una de las razones por las que Lucid pronosticó originalmente que podría fabricar y enviar 90.000 vehículos en unos pocos años. De hecho, en la presentación que Lucid utilizó para promover su fusión de 2021 con una empresa de adquisición con fines especiales, predijo que el Gravity vendería más que el sedán Air en 2024.

Sin embargo, la realidad fue que Lucid se topó con una serie de problemas de producción y cadena de suministro en los primeros días del Air y en 2022 tuvo que retrasar el lanzamiento del Gravity. La compañía finalmente reveló el SUV en noviembre de 2023 y dice que planea comenzar a construirlo a fines de este año.

El Gravity significa mucho para el futuro inmediato de Lucid, hasta el punto de que la compañía anunció la semana pasada que le dio a Rawlinson un bono en efectivo de $6 millones por presentar el SUV. Lucid está trabajando en una plataforma de tamaño mediano destinada a competir con el Modelo Y de Tesla, pero eso no llegará hasta finales de 2026 como muy pronto.

Hay otras cosas que podrían darle un impulso a la empresa. Recientemente comenzó a vender una versión con tracción trasera de su modelo base Air Pure, que, con los recientes recortes de precios, ahora comienza en menos de 70.000 dólares. Rawlinson dijo que Lucid se topó con desafíos técnicos con la producción inicial de Air Pure, pero que ahora está completamente acelerada.

Lucid también anunció el año pasado que vendería parte de su tecnología de vehículos eléctricos a Aston Martin. Rawlinson dijo en una llamada telefónica el miércoles que Lucid continúa hablando con otras empresas dentro y fuera de la industria automotriz sobre la posibilidad de firmar acuerdos similares de suministro y licencia de tecnología. Incluso dijo que Lucid está «viendo interés en nuestra tecnología para su uso en vehículos eléctricos híbridos».

Arabia Saudita, que posee la mayoría de Lucid Motors a través de su Fondo de Inversión Pública, también acordó comprar hasta 100.000 vehículos eléctricos de Lucid durante la próxima década. La compañía comenzó a enviar sedanes Air al Reino a fines del año pasado, aunque Rawlinson dijo que Lucid inicialmente se topó con “diferentes dinámicas de mercado y complejidades exclusivas de ese mercado” que desaceleraron el lanzamiento inicial. Pero dijo Lúcido”esperar[s] bien crecimiento en el región este año.»

Esta historia se actualizó con detalles de la llamada a inversionistas de Lucid Motors.

En 2017, los detectives del Departamento de Policía del Distrito de Parques Regionales de East Bay que trabajaban en un caso sin resolver tuvieron una idea que podría ayudarlos finalmente a obtener una pista sobre el asesinato de Maria Jane Weidhofer. Los agentes habían encontrado a Weidhofer, muerto y agredido sexualmente, en el Parque Regional Tilden de Berkeley, California, en 1990. Casi 30 años después, el departamento envió información genética recopilada en la escena del crimen a Parabon NanoLabs, una empresa que dice que puede convertir el ADN en una cara. .

Parabon NanoLabs analizó el ADN del sospechoso a través de su modelo patentado de aprendizaje automático. Pronto, proporcionó al departamento de policía algo que los detectives nunca habían visto antes: el rostro de un sospechoso potencial, generado utilizando únicamente evidencia de la escena del crimen.

La imagen que produjo Parabon NanoLabs, llamada Informe Instantáneo de Fenotipo, no era una fotografía. Fue una representación en 3D que une el extraño valle entre la realidad y la ciencia ficción; una representación de cómo el algoritmo de la compañía predijo que una persona podría verse dados los atributos genéticos encontrados en la muestra de ADN.

El rostro del asesino, predijo la empresa, era masculino. Tenía piel clara, ojos y cabello castaños, sin pecas y cejas pobladas. Un artista forense empleado por la compañía retocó con Photoshop un corte de pelo anodino y muy corto del hombre y le puso un bigote, una adición artística informada por la descripción de un testigo y no por la muestra de ADN.

En una controvertida decisión de 2017, el departamento publicó la cara prevista en un intento de solicitar consejos del público. Luego, en 2020, uno de los detectives hizo algo que, según los expertos en libertades civiles, es aún más problemático y una violación de los términos de servicio de Parabon NanoLabs: pidió que la representación se ejecutara a través de un software de reconocimiento facial.

«Utilizando el ADN encontrado en la escena del crimen, Parabon Labs reconstruyó los rasgos faciales de un posible sospechoso», explicó el detective en una solicitud de «apoyo analítico» enviada al Centro Regional de Inteligencia del Norte de California, un llamado centro de fusión que facilita la colaboración entre autoridades federales. , departamentos de policía estatales y locales. «Tengo una foto del posible sospechoso y me gustaría utilizar la tecnología de reconocimiento facial para identificar a un sospechoso/pista».

La solicitud del detective de realizar una estimación generada por ADN del rostro de un sospechoso a través de tecnología de reconocimiento facial no se había informado anteriormente. Encontrado en un tesoro de registros policiales pirateados publicados por el colectivo de transparencia Distributed Denial of Secrets, parece ser el primer caso conocido de un departamento de policía que intenta utilizar el reconocimiento facial en un rostro generado algorítmicamente a partir del ADN de la escena del crimen.

Probablemente no será el último.

Para los expertos en reconocimiento facial y defensores de la privacidad, la solicitud del detective de East Bay, aunque distópica, también era completamente predecible. Enfatiza las formas en que, sin supervisión, las fuerzas del orden pueden mezclar y combinar tecnologías de maneras no deseadas, utilizando algoritmos no probados para seleccionar a los sospechosos basándose en criterios desconocidos.

«En realidad, considerar algo como esto es ciencia basura», le dice a WIRED Jennifer Lynch, asesora general de la organización sin fines de lucro de libertades civiles Electronic Frontier Foundation. Sostiene que ejecutar el reconocimiento facial con datos poco fiables, como una cara generada algorítmicamente, tiene más probabilidades de identificar erróneamente a un sospechoso que de proporcionar a las autoridades una pista útil. «Para empezar, no hay evidencia real de que Parabon pueda producir una cara con precisión», dice Lynch. «Es muy peligroso, porque pone a las personas en riesgo de ser sospechosas de un delito que no cometieron».

Una mala previsión de la demanda de comestibles es responsable de más desperdicio del que cabría esperar.

Según una fuente, las tiendas de comestibles en Estados Unidos tiran el 10% de los aproximadamente 44 mil millones de libras de alimentos que el país produce anualmente. No sólo es malo para el medio ambiente (el desperdicio de alimentos es una fuente importante de emisiones de carbono) sino que también es costoso para los tenderos. Según Retail Insights, los minoristas de alimentos y abarrotes pierden hasta el 8% de sus ingresos debido a una disponibilidad inadecuada de inventario.

Los empresarios Euro Wang y Jack Solomon dicen que experimentaron de primera mano los efectos a nivel micro del problema de pronóstico en su supermercado local, que a menudo se quedaba sin su guacamole favorito.

«Resulta que incluso los minoristas más grandes luchan por predecir la demanda futura y, con frecuencia, tienen exceso o falta de inventario», dijo Wang a TechCrunch en una entrevista por correo electrónico. “Con el clima más extremo en los últimos años, hay cada vez más escasez de suministro de alimentos frescos. Esto hace que la asignación eficiente de la oferta limitada sea aún más importante. Además de esto, las presiones inflacionarias y los aumentos de los costes laborales han amenazado cada vez más los márgenes de los tenderos”.

Inspirados por intentar abordar el problema con la tecnología, Wang y Solomon cofundaron Guac, una plataforma que utiliza inteligencia artificial para predecir cuántos artículos venderán los tenderos por artículo cada día en una tienda determinada. Guac recaudó recientemente 2,3 millones de dólares en una ronda inicial liderada por 1984 Ventures, con la participación de Y Combinator y Collaborative Fund.

«El desperdicio de alimentos y la seguridad alimentaria son temas que a Jack y a mí nos preocupan profundamente, y estábamos muy entusiasmados con la oportunidad de abordar el desperdicio de alimentos desde su esencia», dijo Wang.

Anteriormente, Wang trabajó en Boston Consulting Group mientras Solomon investigaba la IA para la logística de comestibles. Ambos se graduaron con títulos universitarios de la Universidad de Oxford, que fue donde se conocieron.

En Guac, los dos ingenieros de Wang, Solomon y Guac crean algoritmos personalizados que anticipan las cantidades de pedidos de artículos comestibles, teniendo en cuenta variables como el clima, eventos deportivos y probabilidades de apuestas e incluso datos de escucha de Spotify para tratar de capturar el comportamiento de compra de los consumidores. Los clientes de Guac obtienen recomendaciones como vida útil, cantidades mínimas de pedido, promociones y plazos de entrega de proveedores integrados en su software y flujos de trabajo de pedidos de inventario existentes.

«Tradicionalmente, los pronósticos se realizan utilizando fórmulas de Excel o modelos de regresión simples», dijo Wang. «Pero para los alimentos frescos que caducan rápidamente, se necesita algo mejor… Debido a que utilizamos tantas variables externas, podemos identificar qué variables del mundo real causan los cambios en la demanda».

Ciertamente, Guac no es la única startup en el juego de pronóstico de la demanda de alimentos. Está Crisp, que proporciona una plataforma de datos abiertos para cada eslabón de la cadena de suministro de comestibles, y Freshflow, que está creando una herramienta de pronóstico impulsada por inteligencia artificial para ayudar a los minoristas a optimizar la reposición de existencias de productos frescos y perecederos.

Pero Wang dice que Guac se diferencia tanto por su dedicación a la transparencia como por su intenso ajuste de los modelos de pronóstico.

“Nuestro modelo de aprendizaje automático no es como una caja negra que predice misteriosamente un aumento del 20% en la demanda; en cambio, les decimos a nuestros clientes cosas como, ‘Este aumento del 20% se debe a que hay una conferencia cerca’”, dijo Wang. “Incluso si un minorista ya utiliza el aprendizaje automático, aún podemos mejorar sus pronósticos gracias a nuestro acceso a muchos más conjuntos de datos externos. Cuando eliminamos las variables externas únicas que utilizamos y solo incluimos los conjuntos de datos básicos (por ejemplo, el clima y los días festivos), en realidad vemos que el error de pronóstico se duplica”.

Algunos de los primeros clientes parecen estar convencidos de que Guac puede agregar valor. La compañía está trabajando con minoristas, incluidas empresas de entrega de comestibles en América del Norte, Europa y Medio Oriente, incluida una cadena de supermercados no identificada con aproximadamente 300 ubicaciones. Guac también está generando ingresos y prevé poder ampliar su equipo de ingeniería el próximo año.

«La industria alimentaria es bastante resistente a las crisis económicas», afirmó Wang. “Todo el mundo tiene que comer, y cuando la economía se desacelera, la gente en realidad compra más alimentos porque come menos fuera de casa. Y la pandemia ayudó a acelerar la digitalización en las tiendas de comestibles, lo que nos permitió integrar nuestras predicciones con los sistemas de los clientes de manera más fluida. En cuanto al tema de la pandemia, los compradores se comportaron de manera muy diferente durante la pandemia, lo que significa que es mucho más difícil para los tenderos confiar únicamente en los datos históricos de ventas de los últimos tres años para predecir la demanda futura. Con nuestro algoritmo, podemos ajustar las formas en que la pandemia sesgó los datos de ventas en 2020 y 2021, e incluso los efectos residuales de la pandemia después”.

Esto no es un consejo de inversión. El autor no tiene posición en ninguna de las acciones mencionadas. Wccftech.com tiene una política de divulgación y ética.

El gran viento de cola de la IA finalmente está comenzando a llegar a las aplicaciones del mundo real. Ayer, Morgan Stanley cautivó a sus clientes con un asesor financiero virtual en forma de chatbot impulsado por inteligencia artificial. Hoy le toca el turno a Mark Zuckerberg, cuya Iniciativa Chan Zuckerberg (CZI) intenta utilizar la promesa casi ilimitada que ofrece la IA para profundizar en los misterios del cuerpo humano.

Para beneficio de aquellos que quizás no lo sepan, el CZI es una iniciativa filantrópica de Mark Zuckerberg y su esposa, Priscilla Chan. La iniciativa está financiada casi exclusivamente por la gigantesca participación en Meta de la poderosa pareja.

Mark Zuckerberg acaba de anunciar una nueva organización sin fines de lucro con inteligencia artificial para

«Construir una célula virtual para predecir cómo se comportará cada célula del cuerpo humano: sana o enferma». pic.twitter.com/rlYyJ9ZrOY

-Evan (@StockMKTNewz) 19 de septiembre de 2023

Esto nos lleva al meollo de la cuestión. En un reciente Instagram Reel, Mark Zuckerberg y Priscilla Chan anunciaron que ahora están construyendo «uno de los grupos de computación de IA más grandes en ciencias biológicas sin fines de lucro» para construir células virtuales que imitarían la forma en que se comportan las células reales del cuerpo humano, lo que eventualmente permitiría a los médicos y científicos para predecir cómo responderían dichas células a estímulos específicos.

Por supuesto, si el nuevo proyecto CZI logra sus objetivos, supondría un avance significativo en la comprensión de cómo funciona la biología humana, lo que permitiría a los científicos crear mejores medicamentos y vacunas, incluidas aquellas adaptadas a las idiosincrasias de cada paciente individual.

Mientras tanto, como ejemplo de la demanda cada vez mayor de potencia informática basada en IA, NVIDIA envió 900 toneladas de sus GPU H100 de última generación en el segundo trimestre de 2023, lo que equivale a unas 300.000 unidades. El fabricante de GPU planea enviar entre 1,5 y 2 millones de GPU para 2024.

A la luz de este persistente viento de cola relacionado con la IA, no sorprende que los ingresos de NVIDIA sigan superando incluso las predicciones más optimistas establecidas por los analistas de Wall Street. La compañía reveló recientemente que espera 16 mil millones de dólares (más o menos un 2 por ciento) en ventas para el tercer trimestre de 2024. Como referencia, las expectativas de consenso para los ingresos del trimestre se fijaron en solo 12,61 mil millones de dólares antes de la última publicación de resultados.

Predecir y mejorar los ingresos financieros de una película utilizando inteligencia artificial (IA). Esta idea, que podría marcar el triunfo absoluto del marketing sobre el séptimo arte, germinó en la mente de un turco, Sami Arpa, doctor en informática en la Ecole polytechnique de Lausanne. Este hombre, aficionado tanto a las figuras como a la estética, se confiesa ferviente admirador del director de su país Nuri Bilge Ceylan, que presenta en el Festival de Cannes Hierbas secas. Una película de autor, que parece alejarse de los cánones de la IA.

Lea también: Una inteligencia artificial escribe el guión de un cortometraje

Desde 2018, Largo.ai, la empresa de Sami Arpa, con sede en Lausana y establecida en Los Ángeles, Londres y Estambul, comercializa recomendaciones a productores o directores, en base a más de mil parámetros. “El guión, el género, el idioma y las localizaciones de rodaje, el reparto”, él dice. Es el único en este micromercado del cine AI -junto con los estadounidenses Cinelytic y StoryFit, y el israelí Vault IA- que sugiere nombres de actores.

Largo.ai crea esquemas que permiten “ver las debilidades de un escenario, sugerir modificar la dinámica de cada uno de los roles, atenuar algunos, empujar a otros a revivir la intensidad emocional”, explica el director general. Sobre todo, realiza previsiones de taquilla o de audiencia en las plataformas de streaming, en función del país y del público afectado (en función del género, la edad y la asistencia al cine).

“Estas son propuestas. Nuestros clientes pueden seguirlos o no »templa Sami Arpa, asegurando haberse ganado ya la lealtad de dos de los grandes majors de Hollywood, cuyo nombre guarda silencio «por razones de confidencialidad»y asesoró a Florian Zeller en El padre, para mejorar su distribución. o han intervenido para Olgapor Elie Grappe, o El misterio de Henry Pickde Rémi Bezançon.

“Veremos qué acepta la industria”

Para convencer a los profesionales reunidos en Cannes de los beneficios de Largo.ai, una quincena de sus clientes, que buscan financiación para completar sus proyectos, cada uno presentó su escenario, su presupuesto y los resultados de los oráculos financieros y el elenco de Largo.ai. Ficciones, dibujos animados, documentales, películas de terror, ciencia ficción… Por un lado, el papel principal sugerido era Mel Gibson, por otros, Kristen Stewart o Eva Green.

Largo.ai pronosticó 13,9 millones de dólares en ingresos (12,9 millones de euros) para una pequeña película de terror, La señal, o incluso un índice de retorno de la inversión del 646 % para un drama familiar firmado por Vincent Lin. Un productor en la sala sonrió: “Sería tan fácil si reemplazara a nuestros equipos…”

Te queda el 16,35% de este artículo por leer. Lo siguiente es solo para suscriptores.

Si hay un área en la que nunca hemos visto el frambuesa pi adentrarte en el antes, es mundo de misticismo. El creador y desarrollador Echo-Lalia, como se les conoce en Reddit, nos ha arrastrado a un nuevo reino de misterio impulsado por Pico gracias a su inteligente lector de tarot proyecto. Está impulsado por un tablero RP2040 y utiliza una pantalla de tinta electrónica para mostrar cartas de tarot aleatorias con solo presionar un botón.

Las tarjetas se eligen en función de los comentarios aleatorios de EM. Se muestra una imagen de la tarjeta junto con el texto y, a veces, una falla espeluznante e inesperada. Los fallos están programados intencionalmente en la salida por Echo-Lalia para agregar a la vibra de «misticismo digital», como ellos lo expresan. Debido a que la unidad está utilizando una pantalla de tinta electrónica, las imágenes permanecerán en la pantalla hasta que se vuelva a encender y pase por otra selección de tarjeta.

Una vez más, Los Simpsons están siendo acreditados por predecir un futuro incendio en un basurero.

Caso en cuestión: un episodio de 1990 de la comedia animada de Fox mostraba a una multitud enojada que protestaba por la exhibición planeada del David de Miguel Ángel en Springfield. “Es el quinto”, le dice una mujer a Marge. «Representa gráficamente partes del cuerpo humano, que por muy prácticas que sean, son malas».

Avancemos a esta semana, cuando la directora de una escuela autónoma de Florida dice que se vio obligada a renunciar después de que algunos padres se quejaron de que sus estudiantes de sexto grado vieron una foto de David en clase. Todo se desarrolló en Tallahassee Classical, que basa su plan de estudios en el conservador y cristiano Hillsdale College de Michigan.

Según The Washington Post, se supone que las escuelas autónomas que se basan en el plan de estudios de Hillsdale deben enseñar arte renacentista a los estudiantes de sexto grado, que incluye la estatua de David. Pero Barney Bishop III, presidente de la junta escolar, dijo a los periodistas que los padres, dos, para ser exactos, se quejaron de que no les avisaron con anticipación sobre la lección. Otro se burló de que el maestro lo llamara «no pornográfico».

“Tenemos una práctica”, dijo Bishop a Slate. “El año pasado, la escuela envió un aviso anticipado al respecto. Los padres deben saber: En clase, los estudiantes van a ver, escuchar o hablar sobre esto. Este año, no enviamos ese aviso”.

De todos modos, un experto conocedor de la cultura pop señaló en las redes sociales que Los Simpsons representado (¿predicho?) personas que pierden su $#@! sobre David. Vea abajo.

Tal vez la escuela debería seguir Los Simpsons‘ liderar y cubrir la mitad inferior de David con jeans?

“No vamos a mostrar la estatua completa de David a los niños de jardín de infantes”, continuó Bishop con Slate. “No vamos a mostrárselo a los alumnos de segundo grado. Mostrar toda la estatua de David es apropiado a cierta edad. Vamos a averiguar cuándo es eso. ¡Y no tienes que mostrar toda la estatua! Tal vez a los niños de jardín de infantes solo les mostramos la cabeza. Puedes apreciar eso. Puedes mostrar las manos, los brazos, los músculos, el hermoso trabajo que hizo Miguel Ángel en mármol, sin mostrarlo todo”.

¿Puede un algoritmo predecir si una startup saldrá con éxito? PitchBook cree que sí.

La base de datos de capital de riesgo y capital privado lanzó hoy VC Exit Predictor, una herramienta entrenada en datos de PitchBook para intentar descubrir las perspectivas de crecimiento de una empresa emergente. Cuando se le da el nombre de una empresa respaldada por VC, VC Exit Predictor genera una puntuación sobre la probabilidad de que sea adquirida, se haga pública o no salga debido a que se vuelva autosuficiente o experimente cualquier evento (por ejemplo, bancarrota) que impida una salida.

«El VC Exit Predictor se desarrolló utilizando un algoritmo de aprendizaje automático patentado desarrollado por el equipo de investigación cuantitativa de PitchBook, capacitado exclusivamente en los datos disponibles dentro de la plataforma PitchBook, incluida la actividad de negocios, los inversores activos y los detalles de la empresa», McKinley McGinn, gerente de producto de inteligencia de mercado en PitchBook. , le dijo a TechCrunch en una entrevista por correo electrónico. «Para garantizar la precisión, las predicciones se realizan para empresas respaldadas por empresas que han recibido al menos dos rondas de acuerdos de financiación de empresas».

PitchBook ciertamente no es el primero en desarrollar una herramienta algorítmica para informar las decisiones de inversión. Durante años, los inversores han estado clamando por una ventaja competitiva impulsada por la IA; Gartner predice que para 2025, más del 75 % de las revisiones ejecutivas de inversores de capital de riesgo y de etapa inicial se basarán en inteligencia artificial y análisis de datos.

Las firmas de capital de riesgo, incluidas SignalFire, EQT Ventures y Nauta Capital, están utilizando plataformas impulsadas por IA para señalar posibles firmas importantes. En 2021, un equipo de investigadores utilizó datos públicos de CrunchBase para crear una herramienta bastante similar a VC Exit Predictor que tenía la capacidad de predecir si las nuevas empresas saldrían con éxito a través de una OPI o una adquisición, fracasarían o permanecerían privadas.

Pero, ¿realmente funcionan estas herramientas?

McGinn dice que PitchBook realizó una prueba retrospectiva de VC Exit Predictor en un conjunto histórico de empresas con salidas conocidas, que incluía empresas como Blockchain.com, Revolut y Bitso. En promedio en todo el conjunto, la herramienta tuvo una precisión del 74% en la predicción de una salida exitosa, afirma McGinn.

“El VC Exit Predictor puede ser aprovechado por capitalistas de riesgo que buscan un enfoque basado en datos para su evaluación inicial de una empresa respaldada por capital de riesgo”, agregó. “Sin embargo, anticipamos una larga cola de casos de uso para los actores de la industria que buscan candidatos para la próxima OPI, monitorean a los competidores en el mercado o buscan la validación de una inversión en su próxima ronda”.

VC Exit Predictor podría funcionar bien en el conjunto de prueba de PitchBook. Pero la pregunta es si es resistente a eventos de cisne negro como una pandemia, conflictos globales (como la guerra en Ucrania) y desastres naturales que no se pueden anticipar. Históricamente, los algoritmos han tenido problemas con estos debido a sus datos de entrenamiento limitados.

Un artículo de VentureBeat (escrito por un servidor) detalla cómo una empresa en la industria de alimentos congelados, por ejemplo, luchó para usar un algoritmo para predecir dónde se establecerían las ventas durante la pandemia de COVID-19. En los primeros tres o cuatro meses de la crisis de salud, cuando la mayoría de las regiones tenían restricciones para comer, las ventas de alimentos congelados aumentaron significativamente ya que los clientes optaron por comer en casa. Pero cuando algunos países aflojaron rápidamente sus reglas de cuarentena en el futuro y otros optaron por reaperturas más lentas, se produjeron cambios en las tendencias que hicieron que el algoritmo de la empresa fuera menos confiable.

McGinn admite que VC Exit Predictor adolece de fallas similares, por ejemplo, tiene una perspectiva favorable sobre las empresas de criptomonedas a pesar del declive en toda la industria. “Hay limitaciones en las predicciones a nivel de mercado que puede hacer el algoritmo”, dijo. “Dado que depende de las actualizaciones oportunas en un espacio de mercado de movimiento más lento, el modelo necesita tiempo para adaptarse a los segmentos en ascenso o en declive”.

También está el problema del sesgo: inevitablemente, los algoritmos amplifican los sesgos en los datos en los que se entrenan.

En un experimento realizado en noviembre de 2020, Harvard Business Review (HBR) creó un algoritmo de recomendación de inversión y comparó su rendimiento con los rendimientos de los inversores ángeles. Según HBR, el algoritmo tendía a elegir empresarios blancos en lugar de empresarios de color y prefería invertir en nuevas empresas con fundadores masculinos, probablemente porque las mujeres y los fundadores de otros grupos subrepresentados tienden a estar en desventaja en el proceso de financiación y, en última instancia, recaudan menos capital de riesgo.

Los expertos encontraron problemas similares con la herramienta Mosaic de CB Insights, que califica a los fundadores y equipos de administración en etapa inicial para respaldar las decisiones de inversión, compra y fusiones y adquisiciones. Tech Brew informó que cuatro de las seis «señales» reveladas que CB Insights usa para informar la probabilidad de éxito de una persona son indicadores de raza, nivel socioeconómico, género y discapacidad. Eso es significativo, dado que solo el 8% de los graduados de MBA son negros; las contrataciones en las primeras etapas de los gigantes tecnológicos tienden a ser blancas, asiáticas y masculinas; y menos del 2% de las nuevas empresas de software empresarial en los EE. UU. tienen una mujer fundadora.

McGinn hace la audaz afirmación de que VC Exit Predictor es «ciego a la raza, el género y la educación de los fundadores», pero reveló que incluso PitchBook encontró una ligera diferencia en sus predicciones de éxito distribuidas (1 %) entre los directores ejecutivos masculinos y femeninos.

“Si bien ninguna herramienta o persona puede predecir la salida de la empresa con total precisión, la capacidad de VC Exit Predictor para procesar grandes cantidades de datos e identificar patrones puede dar a los inversores una ventaja para tomar decisiones de inversión informadas”, dijo. “Planeamos continuar desarrollando esta herramienta para mejorar la precisión de las predicciones y agregar nuevas funciones para brindar aún más información”.

La conclusión es que ninguna herramienta predictiva es perfecta y, para su crédito, McGinn no lo niega. Solo esperamos que los inversores no confíen exclusivamente en VC Exit Predictor para tomar sus decisiones financieras, particularmente en ausencia de una auditoría externa del algoritmo.