1
00:00:00,000 --> 00:00:03,138
♪ (música) ♪

2
00:00:03,394 --> 00:00:05,633
- [Narradora] Bienvenidos
a Nobel Conversations.

3
00:00:06,992 --> 00:00:10,093
En este episodio,
Josh Angrist y Guido Imbens

4
00:00:10,093 --> 00:00:13,366
se reúnen con Isaiah Andrews
para discutir y discrepar

5
00:00:13,366 --> 00:00:15,221
sobre el papel
del aprendizaje automático

6
00:00:15,221 --> 00:00:16,816
en la econometría aplicada.

7
00:00:17,894 --> 00:00:19,896
- [Isaiah] Bien. Por supuesto
que hay muchos temas

8
00:00:19,896 --> 00:00:21,465
en los que ustedes
están muy de acuerdo,

9
00:00:21,465 --> 00:00:22,595
pero me gustaría pasar a uno

10
00:00:22,595 --> 00:00:24,365
sobre el que tal vez
opinen algo distinto.

11
00:00:24,365 --> 00:00:26,103
Me gustaría escuchar
algunas de sus opiniones

12
00:00:26,103 --> 00:00:27,319
sobre el aprendizaje automático

13
00:00:27,319 --> 00:00:30,257
y el papel que desempeña
y desempeñará en la economía.

14
00:00:30,257 --> 00:00:31,858
- [Guido] He consultado
algunos datos,

15
00:00:31,858 --> 00:00:33,349
como los datos privados.

16
00:00:33,349 --> 00:00:35,306
Vemos que no hay
ningún documento publicado allí.

17
00:00:35,975 --> 00:00:39,426
Se hizo un experimento
sobre algún algoritmo de búsqueda

18
00:00:39,426 --> 00:00:41,081
y la cuestión era...

19
00:00:42,581 --> 00:00:45,492
se trataba de clasificar cosas
y cambiar la clasificación.

20
00:00:45,990 --> 00:00:47,163
Y estaba más o menos claro

21
00:00:47,163 --> 00:00:50,271
que iba a haber
mucha heterogeneidad.

22
00:00:51,117 --> 00:00:55,864
Si buscas, digamos,

23
00:00:58,122 --> 00:01:00,640
una foto de Britney Spears,

24
00:01:00,640 --> 00:01:02,505
realmente no importa
dónde la clasifiques

25
00:01:02,505 --> 00:01:05,214
porque vas a encontrar
lo que estás buscando,

26
00:01:05,736 --> 00:01:07,058
ya sea que la clasifiques

27
00:01:07,058 --> 00:01:09,744
en primera, segunda
o tercera posición.

28
00:01:10,027 --> 00:01:12,346
Pero si estás buscando
el mejor libro de econometría,

29
00:01:12,346 --> 00:01:16,510
si pones tu libro en primer lugar
o en el décimo,

30
00:01:16,510 --> 00:01:18,140
eso va a suponer
una gran diferencia

31
00:01:18,140 --> 00:01:19,835
en la frecuencia

32
00:01:19,835 --> 00:01:21,286
con la que la gente
hará clic en él.

33
00:01:22,089 --> 00:01:23,312
Así que ahí--

34
00:01:23,312 --> 00:01:24,326
[Josh] ¿Por qué necesito

35
00:01:24,326 --> 00:01:27,314
el aprendizaje automático
para descubrir eso?

36
00:01:27,314 --> 00:01:29,463
Porque parece que puedo descubrirlo
de forma sencilla.

37
00:01:29,463 --> 00:01:30,517
- [Guido] En general--

38
00:01:30,517 --> 00:01:32,233
- [Josh] Había
un montón de posibles--

39
00:01:32,233 --> 00:01:34,233
- [Guido]...quieres pensar
que los artículos

40
00:01:34,233 --> 00:01:37,092
tienen montón de características,

41
00:01:37,092 --> 00:01:38,940
que quieres entender

42
00:01:38,940 --> 00:01:43,650
lo que impulsa la heterogeneidad
en el efecto de--

43
00:01:43,669 --> 00:01:44,876
- Pero solo estás prediciendo.

44
00:01:44,876 --> 00:01:46,057
En cierto sentido,

45
00:01:46,057 --> 00:01:47,793
estás resolviendo
un problema de marketing.

46
00:01:47,793 --> 00:01:49,210
- No, es un efecto causal,

47
00:01:49,210 --> 00:01:51,738
- Es causal, pero no tiene
contenido científico.

48
00:01:51,738 --> 00:01:52,809
Piensa en--

49
00:01:53,669 --> 00:01:57,243
- No, pero hay cosas similares
en el ámbito médico.

50
00:01:57,693 --> 00:01:59,312
Si haces un experimento,

51
00:01:59,312 --> 00:02:02,492
puedes estar muy interesado
en si el tratamiento funciona

52
00:02:02,492 --> 00:02:03,821
para algunos grupos o no.

53
00:02:03,821 --> 00:02:05,946
Y tienes un montón
de características individuales,

54
00:02:05,946 --> 00:02:08,109
y quieres buscar sistemáticamente--

55
00:02:08,109 --> 00:02:09,883
- Sí. Tengo mis dudas sobre esa...

56
00:02:09,883 --> 00:02:12,588
esa especie de idea de que hay
un efecto causal personal

57
00:02:12,588 --> 00:02:13,902
que me debería importar

58
00:02:13,902 --> 00:02:15,164
y que el aprendizaje automático

59
00:02:15,164 --> 00:02:17,103
puede descubrirlo
de alguna manera que sea útil.

60
00:02:17,517 --> 00:02:18,678
Así que piensa en--

61
00:02:18,678 --> 00:02:20,182
he trabajado mucho en las escuelas,

62
00:02:20,182 --> 00:02:22,358
yendo a, digamos,
una escuela chárter,

63
00:02:22,358 --> 00:02:24,498
una escuela privada
financiada con fondos públicos,

64
00:02:24,780 --> 00:02:27,392
efectivamente,
que es libre de estructurar

65
00:02:27,392 --> 00:02:29,587
su propio plan de estudios
en función del contexto.

66
00:02:29,587 --> 00:02:30,938
Algunos tipos de escuelas chárter

67
00:02:30,938 --> 00:02:33,379
consiguen
un rendimiento espectacular

68
00:02:33,379 --> 00:02:36,321
y en el conjunto de datos
que produce ese resultado,

69
00:02:36,321 --> 00:02:37,968
tengo un montón de covariables.

70
00:02:37,968 --> 00:02:39,584
Tengo
las puntuaciones de referencia

71
00:02:39,584 --> 00:02:41,321
y los antecedentes familiares,

72
00:02:41,321 --> 00:02:45,524
la educación de los padres,
el sexo del niño, la raza del niño.

73
00:02:46,060 --> 00:02:49,758
Y, bueno, en cuanto reúno
media docena de ellas,

74
00:02:49,758 --> 00:02:51,751
tengo un espacio
de muy alta dimensión.

75
00:02:52,391 --> 00:02:55,394
Sin duda, me interesan
las características del curso

76
00:02:55,394 --> 00:02:56,803
de ese efecto del tratamiento,

77
00:02:56,803 --> 00:02:58,688
como por ejemplo, si es mejor
para las personas

78
00:02:58,688 --> 00:03:02,054
que provienen de familias
con menores ingresos.

79
00:03:02,377 --> 00:03:05,656
Me cuesta creer
que haya una aplicación

80
00:03:05,656 --> 00:03:09,970
para la versión
de muy alta dimensión,

81
00:03:09,970 --> 00:03:12,499
en la que descubrí
que para los niños no blancos

82
00:03:12,499 --> 00:03:15,028
que tienen
ingresos familiares altos

83
00:03:15,028 --> 00:03:17,747
pero puntuaciones de referencia
en el tercer cuartil

84
00:03:17,747 --> 00:03:20,535
y que solo fueron
a la escuela pública

85
00:03:20,535 --> 00:03:23,128
en el tercer grado
pero no en el sexto.

86
00:03:23,128 --> 00:03:25,681
Así que eso es lo que produce
ese análisis de alta dimensión.

87
00:03:25,681 --> 00:03:27,938
Es una declaración condicional
muy elaborada.

88
00:03:27,938 --> 00:03:30,702
Hay dos cosas que están mal,
en mi opinión.

89
00:03:30,702 --> 00:03:32,418
En primer lugar, no lo veo como--

90
00:03:32,418 --> 00:03:34,492
no puedo imaginar
por qué es algo procesable.

91
00:03:34,492 --> 00:03:36,518
No sé por qué
querrías actuar sobre ello.

92
00:03:36,518 --> 00:03:39,381
Y también sé que hay
algún modelo alternativo

93
00:03:39,381 --> 00:03:42,856
que encaja casi igual de bien,
que lo invierte todo.

94
00:03:42,978 --> 00:03:44,591
Porque el aprendizaje automático

95
00:03:44,591 --> 00:03:48,473
no me dice que este es realmente
el predictor que importa,

96
00:03:48,473 --> 00:03:50,779
solo me dice
que este es un buen predictor.

97
00:03:51,396 --> 00:03:54,875
Así que creo,
que hay algo diferente

98
00:03:54,875 --> 00:03:57,688
en el contexto
de las ciencias sociales.

99
00:03:57,688 --> 00:04:00,270
- [Guido] Creo que las aplicaciones
de las ciencias sociales

100
00:04:00,270 --> 00:04:03,922
de las que hablas
son aquellas en las que, creo,

101
00:04:03,922 --> 00:04:07,923
no hay una gran cantidad
de heterogeneidad en los efectos.

102
00:04:09,760 --> 00:04:13,610
- [Josh] Bueno, podría haberla
si me permites llenar ese espacio.

103
00:04:13,610 --> 00:04:15,648
- No... ni siquiera entonces.

104
00:04:15,648 --> 00:04:18,506
Creo que para muchas
de esas intervenciones,

105
00:04:18,506 --> 00:04:22,840
se espera que el efecto
sea del mismo signo para todos.

106
00:04:23,055 --> 00:04:27,320
Puede haber pequeñas diferencias
en la magnitud, pero no es...

107
00:04:27,576 --> 00:04:29,968
Porque muchas de estas
diferencias educativas

108
00:04:29,968 --> 00:04:31,612
son buenas para todos.

109
00:04:31,612 --> 00:04:35,932
No es que sean malas
para algunas personas

110
00:04:35,932 --> 00:04:37,408
y buenas para otras

111
00:04:37,408 --> 00:04:39,797
y en algunos pequeños casos
pueden ser malas.

112
00:04:40,189 --> 00:04:43,633
Pero puede haber
algo de variación en la magnitud,

113
00:04:43,633 --> 00:04:44,808
pero se necesitarían

114
00:04:44,808 --> 00:04:47,019
conjuntos de datos
muy muy grandes para encontrarlos.

115
00:04:47,019 --> 00:04:48,985
Estoy de acuerdo en que,
en esos casos,

116
00:04:48,985 --> 00:04:51,393
probablemente no serían
muy procesables de todos modos.

117
00:04:51,881 --> 00:04:54,075
Pero creo que hay
muchos otros escenarios

118
00:04:54,075 --> 00:04:56,483
donde hay mucha más heterogeneidad.

119
00:04:56,736 --> 00:04:59,164
- Bueno, estoy abierto
a esa posibilidad

120
00:04:59,164 --> 00:05:00,977
y creo que el ejemplo que has dado

121
00:05:00,977 --> 00:05:04,857
es esencialmente
un ejemplo de marketing.

122
00:05:05,938 --> 00:05:09,714
- No, esos tienen
implicaciones para ello

123
00:05:09,714 --> 00:05:11,596
y esa es la organización,

124
00:05:11,596 --> 00:05:15,358
si tienes que preocuparte por la--

125
00:05:15,358 --> 00:05:17,857
- Bueno, necesito
ver ese documento.

126
00:05:18,289 --> 00:05:21,490
- Así que, la sensación
que tengo es que...

127
00:05:21,490 --> 00:05:23,371
- Todavía no estamos de acuerdo
en algo.

128
00:05:23,371 --> 00:05:25,735
- Sí.
- No hemos coincidido en todo.

129
00:05:25,735 --> 00:05:27,393
- Tengo esa sensación.
[risas]

130
00:05:27,393 --> 00:05:29,047
- En realidad,
hemos discrepado en esto

131
00:05:29,047 --> 00:05:30,729
porque no estaba para discutir.

132
00:05:30,729 --> 00:05:33,144
[risas]

133
00:05:33,144 --> 00:05:35,060
- ¿Se está poniendo
algo caluroso aquí?

134
00:05:35,720 --> 00:05:37,854
- Caluroso.
Es bueno que esté caluroso.

135
00:05:37,854 --> 00:05:39,501
La sensación que tengo es, Josh,

136
00:05:39,501 --> 00:05:41,951
que no estás diciendo
que estás seguro

137
00:05:41,951 --> 00:05:44,159
de que no hay manera
de que haya una aplicación

138
00:05:44,159 --> 00:05:45,667
en la que estas cosas sean útiles.

139
00:05:45,667 --> 00:05:47,169
Estás diciendo
que no estás convencido

140
00:05:47,169 --> 00:05:49,444
con las aplicaciones existentes
hasta la fecha.

141
00:05:49,907 --> 00:05:53,907
- Es justo.

142
99:59:59,999 --> 99:59:59,999
- Estoy muy seguro.

143
99:59:59,999 --> 99:59:59,999
[risas]

144
99:59:59,999 --> 99:59:59,999
- En este caso.

145
99:59:59,999 --> 99:59:59,999
- Creo que Josh tiene un punto que incluso en los casos de predicción donde muchos de los métodos de aprendizaje de la máquina realmente brillan es donde hay un montón de heterogeneidad.

146
99:59:59,999 --> 99:59:59,999
- No te importan mucho los detalles,
¿verdad?

147
99:59:59,999 --> 99:59:59,999
- [Guido] Sí.

148
99:59:59,999 --> 99:59:59,999
- No tiene un ángulo de política o algo así.

149
99:59:59,999 --> 99:59:59,999


150
99:59:59,999 --> 99:59:59,999


151
99:59:59,999 --> 99:59:59,999