Robin Hood Math

1. Los algoritmos nos reducen a números, pero las matemáticas pueden devolvernos nuestra autonomía.

¿Qué podemos hacer para recuperar nuestra humanidad y autonomía? Creo que debemos reapropiarnos de las herramientas matemáticas que actualmente utilizan tanto el sector público como el privado para manipularnos y explotarnos.

La numerificación está en todas partes. Desde que suena tu alarma, los algoritmos convierten experiencias humanas complejas en datos cuantificables. Tu actividad en redes sociales, los movimientos de tu coche, las compras en el supermercado, las solicitudes de empleo e incluso tus registros médicos son rastreados, empaquetados y vendidos. Esta “numerificación” suele deshumanizar, transformando a las personas en “números insignificantes” para predecir, optimizar y obtener ganancias.

Falta de transparencia. Las fórmulas que rigen estos algoritmos suelen ser secretas, por lo que las personas desconocen cómo se cuantifican e influyen sus vidas. Por ejemplo:

• La lista personalizada de videos de TikTok.
• El conteo de seguidores en redes sociales que dicta la importancia.
• Los algoritmos que clasifican candidatos en ofertas de empleo.
• Las fórmulas de seguros de salud que determinan las primas.

Recuperar el control. El libro sostiene que entender las matemáticas subyacentes, llamadas “matemáticas Robin Hood”, es clave para recuperar nuestra autonomía. No se trata de convertirse en un prodigio de las matemáticas, sino de aprender cómo funcionan estas fórmulas para tomar decisiones informadas y resistir la manipulación. Al desmitificar estas herramientas matemáticas, cualquier persona puede cerrar la brecha del conocimiento y navegar mejor en un mundo dominado por datos.

2. Personaliza las clasificaciones para que reflejen tus valores, no los de otros.

Podemos crear clasificaciones personalizadas que incluyan los factores que queramos y les asignen el peso que deseemos.

Las clasificaciones universales son defectuosas. Las grandes listas, como la de las mejores universidades según U.S. News & World Report, suelen ser rígidas, impersonales y fáciles de manipular. Se basan en factores y pesos arbitrarios, lo que provoca “cambios dramáticos” que no reflejan prioridades individuales. Las instituciones, a su vez, sienten una enorme presión para manipular datos y escalar en estas listas influyentes, como se vio en los escándalos de la Universidad de Columbia y el Banco Mundial.

La matemática detrás de las clasificaciones. Las clasificaciones se construyen con sumas ponderadas de datos estandarizados (puntuaciones Z). A cada factor (por ejemplo, evaluación de pares, salarios del profesorado, tamaño de las clases) se le asigna un peso, y estos se combinan para obtener una puntuación global. Sin embargo, estas decisiones son subjetivas y pueden estar influenciadas por presiones externas o incentivos económicos.

• Factores: Qué aspectos se miden (por ejemplo, proporción alumno-profesor, clima, programa de baloncesto).
• Pesos: Cuánta importancia se da a cada factor (por ejemplo, 25 % para la ciudad, 35 % para el clima).
• Estandarización: Convertir métricas diversas a una escala común (por ejemplo, puntuaciones Z).

Empodérate con clasificaciones personalizadas. En lugar de confiar ciegamente en clasificaciones externas, puedes crear las tuyas:

• Eligiendo factores que realmente te importen (incluso subjetivos, como “gustar de la ciudad más cercana”).
• Asignando pesos que reflejen tus valores personales.
• Usando una suma ponderada simple para combinarlos en una puntuación única y holística.
  Este enfoque fomenta el escepticismo hacia las clasificaciones oficiales y ayuda a tomar decisiones reflexivas, desde elegir universidad hasta adoptar una mascota o entender la inflación (Índice de Precios al Consumidor) y las puntuaciones crediticias.

3. Aprovecha los promedios ponderados para predicciones más precisas.

El resultado es, creo, más creíble para la confiabilidad de un juicio democrático de lo que se podría esperar.

La sabiduría de las multitudes. Combinar múltiples predicciones, incluso de fuentes menos confiables, suele dar un pronóstico más exacto que cualquiera por separado. Este fenómeno, observado por primera vez por Francis Galton en un juego para adivinar el peso de un buey, funciona porque los errores individuales tienden a compensarse al promediarse. Nate Silver usó esta técnica con promedios ponderados para predecir resultados electorales con notable precisión.

Conceptos estadísticos clave:

• Error: La diferencia entre una estimación y el valor real.
• Adivino equilibrado: Alguien cuyos errores promedian cerca de cero con el tiempo.
• Varianza: Mide qué tan dispersos están los números, indicando si las estimaciones son erráticas o consistentes.
• Covarianza: Mide cómo se mueven dos secuencias de números en conjunto. Una baja covarianza entre errores hace que el promedio sea más efectivo.

Aplicar promedios ponderados en la vida diaria. Ante la incertidumbre, no confíes en una sola fuente. En cambio:

• Combina opiniones de expertos: Promedia predicciones de diversas fuentes (analistas financieros, apps del clima, profesores) para estimar mejor precios de acciones, tendencias laborales o tasas de interés futuras.
• Asigna pesos: Da más importancia a fuentes en las que confíes o que tengan un historial más fiable. Esta flexibilidad permite integrar perspectivas diversas con matices.
  Este método reduce la varianza de errores, haciendo las predicciones más precisas y confiables, aunque las fuentes individuales no sean perfectas.

4. Más allá del valor esperado: comprende el riesgo mediante distribuciones y logaritmos.

El valor esperado ofrece una estrategia confiable para apostar solo cuando puedes seguir jugando.

Los promedios ocultan el riesgo. Confiar solo en promedios o valores esperados puede ser engañoso. Aunque el valor esperado indica qué esperar “en promedio”, no revela el abanico completo de posibilidades ni la probabilidad de resultados extremos. Por ejemplo, los salarios promedio de la NBA no reflejan que la mayoría de jugadores gana mucho menos, y la esperanza de vida promedio oculta altas tasas de mortalidad infantil en el pasado.

Las distribuciones y la varianza revelan el riesgo. Para entender realmente el riesgo, hay que considerar toda la distribución de resultados posibles, a menudo visualizada con histogramas.

• Histogramas: Muestran el porcentaje de datos en diferentes rangos, dando una imagen más clara de las probabilidades.
• Varianza: Cuantifica qué tan dispersa está una distribución, indicando el grado de “inesperado” para el que debes prepararte. Una varianza alta implica mayor probabilidad de resultados alejados del promedio, señalando más riesgo (por ejemplo, predicciones de tasas hipotecarias o sismos).

Logaritmos para el verdadero impacto del dinero. El impacto psicológico y socioeconómico del dinero es logarítmico, no lineal. Duplicar tu riqueza de 1 millón a 2 millones se siente más significativo que de 100 a 200 millones. Este principio de “rendimientos decrecientes” implica:

• Enfócate en dígitos y duplicaciones: Un premio de 10 millones no es diez veces más emocionante que uno de 1 millón; el impacto se acerca más a la diferencia entre 1 millón y 100 mil.
• La regla empírica de Romer para el riesgo: Para valorar el riesgo, estima el daño en dólares, multiplícalo por su probabilidad (pérdida esperada) y luego duplícalo. Esto incorpora el impacto logarítmico del dinero y ayuda a evitar sesgos cognitivos hacia la inacción.

Diversificación y el criterio de Kelly. Para manejar el riesgo:

• Diversifica: Distribuye inversiones en distintos activos, especialmente aquellos con baja covarianza (es decir, que no se mueven en la misma dirección al mismo tiempo). Los ETFs y fondos mutuos ofrecen amplia diversificación.
• Criterio de Kelly: Una fórmula (2p-1, donde p es la probabilidad de un resultado favorable) sugiere la fracción óptima de tu riqueza para apostar en una apuesta favorable. Maximiza el logaritmo de las ganancias, equilibrando riesgo y recompensa y evitando la “ruina del jugador” al no apostar demasiado agresivamente.

5. Actualiza tus creencias racionalmente con el pensamiento bayesiano.

El antídoto más poderoso contra mi irracionalidad vino de una fuente sorprendente: un sacerdote inglés del siglo XVIII llamado reverendo Thomas Bayes.

Dos tipos de probabilidad. Para pensar con claridad sobre la incertidumbre, debemos distinguir entre:

• Probabilidad frecuentista (objetiva): Mide con qué frecuencia ocurre un evento tras muchos ensayos (por ejemplo, que una moneda caiga cara el 50 % de las veces).
• Probabilidad subjetiva: Cuantifica la fuerza de la creencia en un evento, aunque no sea repetible (por ejemplo, la posibilidad de que Brasil gane el Mundial). Se expresa mediante cuotas de apuestas.

La fórmula de Bayes para actualizar creencias. Esta fórmula de 250 años ofrece un marco matemático para revisar probabilidades subjetivas ante nueva evidencia. Dice: P(X|Y) = P(X) × P(Y|X) / P(Y).

• P(X): Tu creencia inicial (probabilidad previa) en el evento X.
• P(Y|X): La probabilidad de la nueva evidencia Y, dado que X es cierto.
• P(Y): La probabilidad total de la nueva evidencia Y.
• P(X|Y): Tu creencia actualizada (probabilidad posterior) en X tras considerar Y.

Aplicaciones prácticas y errores comunes. Nuestro cerebro suele tener dificultades para combinar información probabilística, ya sea ignorando evidencia nueva o exagerándola. La fórmula de Bayes ayuda a encontrar el equilibrio adecuado.

• Pruebas médicas: Un test positivo para una enfermedad rara no implica alta probabilidad de tenerla si la prevalencia (P(X)) es muy baja y hay falsos positivos (P(Y|no X)) significativos.
• Razonamiento legal: La baja frecuencia de abusadores domésticos que cometen homicidio (P(Y|no X)) es menos relevante que la probabilidad de que un esposo sea el asesino dado abuso previo y el asesinato de la esposa (P(X|Y)).
• “Bayes fácil” (A-B+C): Un método simplificado que usa estimaciones aproximadas (por ejemplo, 0 para casi seguro, 1 para 50 %, 3 para 10 %) para actualizar rápidamente la confianza en una creencia.

Lecciones cualitativas. Incluso sin números precisos, el pensamiento bayesiano nos enseña:

• Las creencias previas importan: La información nueva actualiza, no reemplaza, las convicciones existentes.
• El contexto es clave: No veas eventos raros aisladamente; evalúa su impacto en tus creencias considerando cuánto más o menos raro sería el evento si tu creencia fuera cierta.
• Guía para las preguntas correctas: Ayuda a enmarcar situaciones complejas dirigiéndonos a las preguntas probabilísticas más relevantes.

6. Domina los algoritmos de redes sociales controlando tu interacción.

Cuanto más conozcas esta fórmula, más podrás tomar el control de tu experiencia en redes sociales y llenar tu feed con las publicaciones que realmente disfrutas, en lugar de basura que solo busca clics.

La fórmula secreta es una suma ponderada. Facebook, TikTok y X (antes Twitter) usan esencialmente el mismo núcleo matemático: una suma ponderada de probabilidades estimadas de interacción. Esta fórmula clasifica publicaciones o videos según la probabilidad que el algoritmo calcula de que interactúes con ellos.

• Puntuación = Σ (V_interacción × P_interacción)
  • V (Valor): Puntos asignados a distintos tipos de interacción (por ejemplo, un Me gusta, un comentario, una compartida).
  • P (Probabilidad): Predicción del algoritmo sobre la probabilidad de que realices esa interacción.

El algoritmo de Facebook y la interacción estratégica. Documentos de denunciantes revelaron los valores en puntos de Facebook:

• Me gusta: 1 punto.
• Emoji de corazón: 5 puntos.
• Comentarios: 30 puntos.
• Emoji de enfado: 0 puntos (tras reducirse desde 5).
• Reportar una publicación: puntos negativos (-738 en X).
  Para “entrenar” tu algoritmo, interactúa con intención. Por ejemplo, un emoji de enfado señala desaprobación sin aumentar la visibilidad, a diferencia de un comentario, que puntúa alto sin importar el sentimiento.

Mecánicas similares en TikTok y X. TikTok prioriza el “tiempo de reproducción” (segundos esperados vistos), lo que genera clickbaits como videos de “Espera un momento”. El código abierto de X muestra que las respuestas valen mucho (54 puntos), mucho más que los retuits (2 puntos).

• TikTok: Manipula a los usuarios para que repitan o comenten videos sin sentido (por ejemplo, el acertijo de la “asistente de enfermería”) para aumentar el “tiempo de reproducción esperado” y los comentarios, elevando la visibilidad.
• X: Premia las respuestas y la interacción en conversaciones, haciéndolas clave para la viralidad.
  Al entender estos pesos, puedes elegir conscientemente cómo interactuar, evitando contenido que no te gusta y promoviendo lo que quieres ver más.

7. Combate la manipulación de los gigantes tecnológicos con matemáticas y decisiones informadas.

Amazon puede usar las matemáticas para manipular el juego de números detrás de su influyente algoritmo a nuestra costa, pero nosotros podemos usar las matemáticas para defendernos y empoderarnos.

Los gigantes tecnológicos priorizan el lucro sobre los usuarios. Empresas como Amazon y Google, impulsadas por ingresos publicitarios y dominio de mercado, a menudo degradan sus servicios. El algoritmo de Amazon, por ejemplo, prioriza sus propias marcas y listados patrocinados sobre productos mejor valorados, engañando a clientes y perjudicando a competidores. La búsqueda en Google está cada vez más saturada de anuncios y contenido autopromocional, dificultando encontrar información de calidad.

Estrategias para que los usuarios recuperen el control:

• Amazon: No uses el orden predeterminado “Destacados”. En su lugar, ordena por “Valoración media de clientes” o “Precio de menor a mayor”. Mantente alerta a etiquetas de “Patrocinado”.
• Búsqueda en Google:
  • Usa la pestaña “Web” para filtrar resúmenes de IA y enlaces patrocinados.
  • Emplea sintaxis avanzada:
    • - (signo menos) para excluir palabras (ejemplo: square pants -SpongeBob).
    • .. (dos puntos) para rangos numéricos (ejemplo: guerra Europa 1800..1820).
    • * (asterisco) como comodín (ejemplo: cita famosa "lo mejor * es *").
    • site: para buscar en sitios específicos (ejemplo: vacuna COVID site:cdc.gov).
    • filetype: para formatos específicos (ejemplo: fórmula valor esperado filetype:pptx).
    • -AI -prompt o before:AAAA-MM-DD para búsquedas de imágenes.

Abordar el “pecado original de internet”: la financiación por publicidad. La dependencia de anuncios genera externalidades dañinas:

• Crecimiento a toda costa: Lleva a plataformas a alojar más contenido del que pueden monitorear con seguridad, como el papel de Facebook en la difusión de desinformación en Filipinas.
• Degradación del servicio: Los servicios empeoran cuando las empresas priorizan ingresos publicitarios sobre la experiencia del usuario tras alcanzar dominio de mercado.
• Vigilancia invasiva: La microsegmentación publicitaria requiere gran recolección de datos, invadiendo la privacidad y generando riesgo de precios personalizados.
• Adicción: Las plataformas están diseñadas para maximizar el tiempo de uso, no la calidad del compromiso.

El impuesto progresivo a la publicidad de Paul Romer. Un economista galardonado con el Nobel propone un impuesto progresivo sobre los ingresos por publicidad dirigida en línea.

• Superlinearidad: Los gigantes tecnológicos se benefician del valor “superlineal” de insumos compartibles como los datos de usuarios (la producción más que se duplica al duplicar los insumos). Un impuesto progresivo (que más que duplica la carga fiscal al duplicar ingresos) compensaría esto, restaurando el equilibrio económico.
• Beneficios: Desincentiva monopolios, fomenta modelos de suscripción sin anuncios y genera recursos para bienes públicos como el periodismo, redes sociales públicas o renta básica universal.
  Este enfoque de “matemáticas Robin Hood” usa principios matemáticos para promover la acción colectiva, contrarrestar el poder desmedido de los titanes tecnológicos y fomentar un ecosistema digital más saludable.