Iniciar prueba gratuita
Popular Nuevos Géneros Autores
EnglishEnglish
EspañolSpanish
简体中文Chinese
繁體中文Chinese (Traditional)
FrançaisFrench
DeutschGerman
日本語Japanese
PortuguêsPortuguese
ItalianoItalian
한국어Korean
РусскийRussian
NederlandsDutch
العربيةArabic
PolskiPolish
हिन्दीHindi
Tiếng ViệtVietnamese
SvenskaSwedish
ΕλληνικάGreek
TürkçeTurkish
ไทยThai
ČeštinaCzech
RomânăRomanian
MagyarHungarian
УкраїнськаUkrainian
IndonesiaIndonesian
DanskDanish
SuomiFinnish
БългарскиBulgarian
עבריתHebrew
NorskNorwegian
HrvatskiCroatian
CatalàCatalan
SlovenčinaSlovak
LietuviųLithuanian
SlovenščinaSlovenian
СрпскиSerbian
EestiEstonian
LatviešuLatvian
فارسیPersian
മലയാളംMalayalam
தமிழ்Tamil
اردوUrdu
Buscando...
SoBrief
Bursts

Bursts

Los datos móviles predicen con asombrosa precisión dónde estará la mayoría de las personas. ¿Quién puede usar ese pronóstico?
por Albert-László Barabási 2010 310 páginas
3.30
1000+ valoraciones
Escuchar
Inmersivo
V2.3
Amazon Kindle Audible
Prueba el acceso completo por 3 días
¡Desbloquea la escucha y mucho más!
Continuar

Ideas clave

Lee tu rutina como datos: la aparente aleatoriedad tiene ritmos repetibles

Un ritmo mensurable. Barabási sostiene que la actividad humana no es simplemente una sucesión de decisiones inconexas. A menudo se desarrolla en ráfagas: los periodos de calma dan paso a momentos de actividad concentrada. El correo electrónico, los clics en la web, las llamadas telefónicas, las visitas a bibliotecas y los registros de impresión muestran este patrón. El término actividad en ráfagas (burstiness) describe esta distribución desigual en el tiempo, en lugar de un flujo constante de acciones.

Patrones, no marionetas. Los registros digitales permiten estudiar el comportamiento a una escala y con un nivel de detalle que antes no estaban al alcance de los investigadores. Sus hallazgos revelan estructuras recurrentes, pero no significan que cada acción esté determinada ni que pueda nombrarse cada siguiente paso. La afirmación central del libro es más acotada y útil: las acciones individuales pueden parecer erráticas, mientras que el momento y la distribución de las acciones siguen mostrando patrones estadísticos fiables.

Análisis

La distinción entre los motivos de una persona y el patrón de sus acciones es crucial. Un científico puede encontrar regularidades en una población sin afirmar que un individuo sea una máquina. Esto se parece a la epidemiología: ninguna curva de infección explica las decisiones de un paciente, pero los patrones poblacionales pueden orientar la preparación. La cautela es igual de importante. Un patrón en las marcas de tiempo no explica, por sí solo, por qué existe. La medición puede revelar una estructura antes de revelar una causa, y son logros distintos.

Establece prioridades de forma deliberada, porque las colas generan esperas largas y desiguales

La atención es limitada. El modelo de prioridades de Barabási explica las ráfagas como resultado de la competencia entre tareas. Una persona asigna distintos niveles de importancia a las tareas, completa la más urgente y añade otras nuevas a medida que surgen. Las tareas de alta prioridad se atienden rápidamente. Las de baja prioridad pueden quedar relegadas una y otra vez, a veces durante mucho tiempo. Este patrón desigual de respuesta genera ráfagas de actividad separadas por periodos de silencio.

Una historia práctica de sus orígenes. El publicista Ivy Lee pidió a los ejecutivos de Bethlehem Steel que anotaran sus seis tareas más importantes para el día siguiente y las abordaran en orden. Charles Schwab, director de la empresa, más tarde le pagó a Lee una suma considerable, pues consideró valioso el método. El modelo refleja la disyuntiva: establecer prioridades puede ayudar a concentrar el tiempo escaso, pero también significa que algunas solicitudes se retrasan o se ignoran. La correspondencia de Einstein también incluía respuestas rápidas junto con cartas que esperaron meses o años.

Análisis

Esta es una conexión útil entre la gestión personal del tiempo y la teoría de colas, que estudia cómo la capacidad limitada genera esperas. La misma lógica se aplica a una clínica abarrotada o a un servicio de atención al cliente sobrecargado: la urgencia determina quién avanza primero, mientras los demás acumulan demoras. Esto solo es eficiente si las prioridades se pueden justificar. Un sistema puede parecer productivo porque resuelve las emergencias visibles mientras abandona silenciosamente a personas o tareas menos urgentes. El modelo explica la desigualdad; no decide qué merece atención.

Prepárate para los extremos poco frecuentes: la ley de potencias hace que los valores atípicos sean habituales

La cola importa. Una ley de potencias describe una distribución con muchos sucesos pequeños y un número reducido de sucesos excepcionalmente grandes. Se diferencia de la conocida curva de campana, en la que los casos extremos se vuelven prácticamente inexistentes. Lewis Fry Richardson encontró este patrón en las bajas de las guerras: la mayoría de los conflictos eran relativamente pequeños, mientras que unos pocos, incluidas las guerras mundiales, fueron enormes. Vilfredo Pareto encontró un desequilibrio relacionado en la riqueza, y la investigación de Barabási lo halló en los enlaces a sitios web populares.

Los valores atípicos son parte del sistema. Cuando los datos se ajustan a una ley de potencias, un suceso gigantesco no es una excepción extravagante que pueda descartarse como irrelevante. Es una característica esperable de la distribución, aunque se desconozca el momento exacto en que ocurrirá. Esto cambia la forma de considerar el riesgo: los promedios pueden ocultar los sucesos de mayores consecuencias.

Análisis

Pensar en términos de leyes de potencias ayuda a contrarrestar un error de planificación habitual: tratar el promedio como una descripción segura de lo que puede ocurrir. En las finanzas, las infraestructuras y la preparación ante desastres, un pequeño número de casos extremos puede representar la mayor parte de las pérdidas totales. Sin embargo, ajustar una ley de potencias no da licencia para declarar predecible cualquier suceso sorprendente. La distribución describe frecuencias relativas, no las causas ni las fechas de guerras, fortunas o fracasos concretos. Una buena planificación presta atención a la cola sin fingir que puede pronosticar cuándo llegará el próximo suceso.

Usa el azar para pronosticar totales de una población, nunca para certificar a una persona

Los sucesos aleatorios también se acumulan. Un proceso de Poisson modela sucesos que ocurren de forma independiente a una tasa promedio. No puede decir cuándo hará una persona una llamada telefónica, pero sí calcular cuántas llamadas tendrá que gestionar la antena de telefonía móvil de un barrio. La misma lógica estadística permite estimar patrones entre muchos jurados, aunque no se pueda predecir un veredicto individual.

Un jurado no es un cubilete de dados. Barabási ilustra primero el peligro con Tim Durham, condenado por un delito pese a tener una coartada y exonerado posteriormente gracias a pruebas de ADN. Un cálculo simple que supone que los jurados actúan de forma independiente puede hacer que una condena injusta parezca casi imposible. Pero las opiniones de los jurados no son independientes: el Chicago Jury Project descubrió que la preferencia inicial de la mayoría coincidía con el veredicto final en el 91 por ciento de los casos. Las estimaciones estadísticas pueden orientar el diseño de un sistema, pero no demostrar que una decisión individual sea correcta.

Análisis

La diferencia entre la fiabilidad agregada y la verdad individual es fundamental para hacer un uso responsable de las estadísticas. Un hospital puede calcular la demanda sin saber qué paciente llegará; un tribunal no puede inferir la culpabilidad basándose únicamente en la precisión promedio de los jurados. El ejemplo del jurado también pone de manifiesto el peligro de los modelos cuyas premisas quedan ocultas en cálculos aparentemente simples. La independencia, en particular, es una premisa fuerte cuando se trata de personas que deliberan juntas. La probabilidad puede ayudar a comparar diseños institucionales, pero no sustituye las pruebas, el debido proceso ni el examen de un caso concreto.

Los registros de teléfonos móviles hicieron predecibles las rutinas cotidianas en un 93 % de promedio

Los hábitos dejan un mapa. En un estudio de registros de teléfonos móviles, los investigadores reconstruyeron los desplazamientos de 100.000 personas anónimas. La mayoría se movía por una zona pequeña y familiar, y volvía una y otra vez a unos pocos lugares habituales. En toda la muestra, la ubicación de una persona era predecible alrededor del 93 por ciento del tiempo. Un estudio anterior de estudiantes del MIT encontró una predictibilidad aún mayor en algunos grupos, pese a la imagen popular de la vida estudiantil como espontánea.

La variación es real. Las personas difieren mucho en la distancia que recorren. La mayoría se desplaza por su entorno local; un número menor cubre distancias mucho mayores. Pero recorrer más distancia no hacía automáticamente que alguien fuera impredecible. Hasan Elahi, cuyos desplazamientos eran excepcionalmente variados, fue un caso llamativo: un algoritmo acertó su ubicación solo tres veces en más de 4.000 intentos realizados cada hora. El patrón es poderoso, pero no garantiza nada sobre cada persona.

Análisis

El resultado distingue dos preguntas que a menudo se confunden: cuánto viaja alguien y qué tan difícil es predecir sus movimientos. Una persona que viaja con frecuencia puede seguir un itinerario estable, mientras que otra que rara vez sale de casa puede hacer unas pocas desviaciones importantes. La predictibilidad observada depende del periodo estudiado, de las categorías de ubicación y de los registros disponibles. Esas decisiones importan. Un promedio alto puede ser útil para planificar, pero aplicado a una persona concreta puede ocultar tanto las vidas inusuales como los costos de clasificarla erróneamente.

Mide a la persona, no el rastro que deja su dinero

Un indicador indirecto no es aquello que pretende representar. Dirk Brockmann utilizó WheresGeorge.com, un sitio donde aficionados registraban los números de serie y las ubicaciones de los billetes de dólar, para estudiar los desplazamientos. A veces, entre un avistamiento y otro, los billetes recorrían grandes distancias, y el patrón resultante correspondía a un vuelo de Lévy: principalmente pasos cortos interrumpidos por raros saltos largos. Pero los billetes pasan de una persona a otra, como un testigo en una carrera de relevos. Su recorrido combina los desplazamientos de muchas personas y no demuestra que un solo portador recorriera toda la distancia.

Los datos mejores pueden cambiar la historia. Los registros de teléfonos móviles mostraron que la mayoría de las personas regresa a lugares conocidos, en vez de alejarse continuamente. Una advertencia similar surgió de la investigación sobre albatros: se descubrió que los aparentes vuelos largos se debían en parte a que las aves descansaban en sus nidos mientras los instrumentos las registraban como si estuvieran volando. Una medición cuidadosa cambió la interpretación, aunque otros estudios sobre animales siguieron encontrando desplazamientos parecidos a los vuelos de Lévy.

Análisis

Esta es una lección breve sobre la validez de las mediciones: un indicador indirecto puede reproducir un patrón llamativo y, a la vez, representar mal el mecanismo que lo produce. Surgen problemas similares siempre que los investigadores infieren la actividad humana a partir de compras, clics o datos de ubicación. Esos datos son valiosos precisamente porque abundan, pero la abundancia no corrige una medición defectuosa. El ejemplo cambiante de los animales en el libro también muestra una fortaleza de la ciencia: revisar una conclusión no significa que la investigación haya fracasado. Significa que las afirmaciones siguen sujetas a mediciones mejores.

Una profecía convincente puede ser historia escrita a posteriori

Los modelos necesitan buenas pruebas. Los primeros cálculos meteorológicos de Lewis Fry Richardson fracasaron estrepitosamente, en parte porque las observaciones que tenía a su disposición eran demasiado escasas. Más adelante, los pronósticos mejoraron gracias a mejores mediciones y a las computadoras. Esta historia nos advierte que no debemos tomar el fracaso de un modelo como prueba de que predecir es imposible, ni el éxito de uno como prueba de que todo suceso pueda pronosticarse.

El pasado puede imitar una profecía. En 1514, el consejero István Telegdi supuestamente advirtió que los campesinos reclutados para una cruzada podrían volver sus armas contra la nobleza. La sublevación que siguió parece confirmar su clarividencia. Pero el discurso se conserva en una crónica escrita unos treinta años después, cuando ya se conocía el desenlace. El libro plantea que el cronista quizá moldeó el discurso para que encajara con los acontecimientos. Una predicción histórica puede resultar convincente aunque se base en la retrospectiva y no en un pronóstico verificado.

Análisis

El caso histórico precisa una distinción importante entre la predicción y la coherencia narrativa. Una vez conocido el desenlace, las advertencias anteriores pueden parecer de una precisión asombrosa, mientras que las advertencias fallidas desaparecen de la vista. Se trata de un sesgo de selección: el relato que se conserva no es un registro completo de todos los pronósticos realizados. La trayectoria de Richardson aporta la lección complementaria: la capacidad de predecir depende tanto de la teoría como de la observación. Por ello, el escepticismo debe dirigirse a las pruebas y a las premisas del modelo, no tratar toda predicción social como profecía o fraude.

Los datos predictivos son poder sobre el futuro, no solo un registro del pasado

Hasan le da la vuelta a la vigilancia. Tras ser sospechado injustamente por el FBI, el artista Hasan Elahi empezó a publicar en internet sus planes de viaje, ubicaciones y fotografías. Su proyecto, Tracking Transience, hizo visible la vigilancia y le proporcionó un registro de sus propios desplazamientos. Sin embargo, más adelante las autoridades describieron sus viajes como sospechosos, y Elahi obtuvo finalmente una autorización de seguridad de forma indirecta, a través de un trabajo en un aeropuerto, no mediante una disculpa ni una explicación.

El futuro tiene un precio. Barabási llama privacidad prospectiva a la información sobre el comportamiento previsto. El sistema hipotético LifeLinear muestra cómo podrían combinarse las cámaras públicas y el conocimiento de las rutinas para seguir a las personas sin acceder a sus mensajes privados ni a sus registros bancarios. La preocupación no se limita a quién puede ver la actividad pasada, sino que también abarca quién puede predecir las decisiones futuras y sacar provecho de ellas. La estrategia de Elahi de compartirlo todo también tiene sus límites: una avalancha de datos públicos puede dejar privadas, aun así, las relaciones y la vida interior de una persona.

Análisis

Los sistemas predictivos trasladan la privacidad del secreto sobre el pasado al control de las inferencias. Una empresa o una agencia puede saber poco de la vida interior de una persona y, aun así, influir en lo que se le ofrece, lo que se le cobra o aquello de lo que se la sospecha. Por eso, la transparencia y la posibilidad de impugnar las decisiones son tan importantes como la protección de datos. La autopublicación de Elahi es una provocadora táctica artística, no una solución general: divulgar información puede saturar la atención, pero no garantiza un trato justo. La cuestión ética no es simplemente si se puede predecir, sino quién puede actuar basándose en esas predicciones y quién puede cuestionarlas.

Busca ráfagas en la salud, los genes y la evolución, no solo en los correos electrónicos

El patrón se extiende. Unos investigadores que estudiaron los registros de Medicare de dos millones de pacientes mayores encontraron largos periodos sin visitas al médico, seguidos de rachas concentradas de citas. Un pequeño estudio del movimiento de las muñecas también halló periodos promedio de inmovilidad más prolongados entre participantes con depresión clínica: unos quince minutos, frente a siete minutos en el grupo sano. Estos patrones sugieren que las ráfagas pueden revelar cambios que vale la pena investigar, aunque por sí solos no permiten establecer un diagnóstico.

El contexto cambia el comportamiento. Las visitas de niños a las salas de urgencias cayeron a menos de la mitad de su nivel habitual durante los fines de semana en que salieron nuevos libros de Harry Potter, pues los jóvenes lectores se mantenían ocupados. Barabási también describe ráfagas en la actividad genética y en el cambio evolutivo. El alcance es sorprendente: la actividad irregular puede surgir en organismos y sistemas mucho más allá de la gestión deliberada de tareas, aunque un mismo patrón matemático no demuestre una única causa común.

Análisis

La amplitud de los ejemplos convierte la actividad en ráfagas en una pregunta productiva para la medicina y la biología: cuando la actividad se agrupa, ¿qué proceso está cambiando y podría detectarse ese cambio a tiempo? Las mediciones de dispositivos portátiles podrían complementar las entrevistas clínicas, mientras que los patrones de citas podrían ayudar a los servicios a anticipar la demanda. Pero una señal estadística no es un diagnóstico ni una explicación causal. La muestra sobre depresión era pequeña, y el propio libro muestra cómo los métodos de registro pueden producir patrones engañosos. Por tanto, la aplicación más sólida consiste en usarla como motivo para investigar más, no como un veredicto automatizado sobre la salud.

Análisis

Bursts plantea una alternativa intermedia entre dos relatos tentadores sobre el comportamiento humano. Según uno, las personas son completamente espontáneas y, por tanto, los patrones carecen de sentido. Según el otro, suficientes datos pueden volver transparentes y controlables a los individuos. Las pruebas del libro no respaldan ninguno de los extremos. Las acciones humanas se agrupan, se repiten y varían de maneras estructuradas estadísticamente. Esa estructura puede hacer más comprensibles las poblaciones y las rutinas, mientras que las decisiones, los motivos y los desenlaces históricos concretos siguen siendo inciertos.

Su contribución conceptual más sólida es la distinción entre tres niveles: el suceso, la distribución de los sucesos y el mecanismo que produce esa distribución. Un correo electrónico puede tener un propósito; el momento en que se envían miles puede mostrar actividad en ráfagas; y la razón del patrón puede obedecer a prioridades contrapuestas, a un contexto cambiante o a otro mecanismo. Confundir estos niveles conduce a afirmaciones exageradas. El estudio de los billetes de dólar y los datos controvertidos sobre los albatros ilustran con claridad este problema metodológico: que un indicador indirecto muestre un patrón convincente no significa automáticamente que describa el objeto subyacente.

El relato histórico añade una dimensión política. Las ambiciones cambiantes de Bakócz, la cruzada y la revuelta de Székely muestran cómo las prioridades locales pueden desencadenar consecuencias que ningún participante controla por completo. Sin embargo, la aparente clarividencia de Telegdi queda debilitada por la fuente tardía que la registra. No se trata simplemente de un giro ingenioso. Muestra que la propia historia es un conjunto de datos seleccionado y moldeado por los cronistas, y que una explicación puede hacer que lo contingente parezca inevitable.

La implicación más urgente del libro concierne a la predicción. Un promedio de predictibilidad del 93 por ciento puede ser útil para la logística, pero la misma inferencia se vuelve peligrosa cuando se utiliza para clasificar a una persona como sospechosa. La utilidad estadística y la legitimidad moral son cuestiones distintas. El libro resulta más convincente cuando presenta la predicción como conocimiento condicional, dependiente de la calidad de los datos, de las premisas y del propósito institucional. Su promesa más amplia no es que las personas puedan reducirse a algoritmos, sino que los patrones pueden mejorar la comprensión si se mantienen a la vista la incertidumbre y los derechos de quienes son objeto de medición.

Resumen en 30 segundos
Las acciones humanas suelen agruparse en períodos intensos separados por pausas, pues las prioridades en competencia relegan las tareas menos urgentes. En promedio, los registros móviles predijeron la ubicación de las personas alrededor del 93 por ciento de las veces, pero los patrones poblacionales no pueden certificar las acciones ni los motivos de un individuo. Las distribuciones según leyes de potencias hacen que los eventos extremos, aunque raros, tengan consecuencias y no puedan descartarse. Las predicciones fiables dependen de datos sólidos y mediciones cuidadosas: el patrón de una medida indirecta quizá no describa a las personas que hay detrás. Los datos predictivos pueden determinar oportunidades futuras y suscitar inquietudes sobre la privacidad y la equidad.
Contiene spoilers

Última actualización:

Reportar problema

Resumen de reseñas

3.30 de 5
Promedio de 1000+ valoraciones de Goodreads y Amazon.

Bursts explora los patrones del comportamiento humano y sostiene que las actividades ocurren en ráfagas, no de forma aleatoria. Aunque a algunos lectores les pareció intrigante el concepto, muchos consideraron que la estructura del libro era inconexa y que la extensa historia de Hungría distraía de la tesis principal. Se elogió el estilo de escritura de Barabási, pero se criticó la falta de profundidad del contenido científico. Los intentos del libro por vincular la predictibilidad, la privacidad y los acontecimientos históricos se consideraron ambiciosos, pero a menudo poco logrados. En general, las opiniones de los críticos fueron variadas: apreciaron la creatividad del autor, pero consideraron defectuosa la ejecución.

Tu valoración:
3.99
172 valoraciones
¿Quieres leer el libro completo?

Glosario

actividad en ráfagas (burstiness)

actividad agrupada y largas pausas

Patrón en el que los eventos se producen en breves grupos separados por largos intervalos de inactividad, en lugar de hacerlo a intervalos regulares o en momentos puramente aleatorios. Barabási encuentra actividad en ráfagas en actividades como el correo electrónico, la navegación por internet, las llamadas telefónicas y las visitas al médico. El patrón describe el momento en que ocurren los eventos; por sí solo, no identifica la causa.

ley de potencias

muchos eventos pequeños y pocos extremos

Relación matemática en la que los valores pequeños son comunes y los muy grandes se vuelven cada vez menos frecuentes, pero siguen siendo más probables de lo que predeciría una distribución con forma de campana. En el libro, las leyes de potencias describen patrones como las bajas en guerras, la riqueza, los enlaces a sitios web, los retrasos en la actividad y la variación en las distancias recorridas.

proceso de Poisson

eventos independientes a una tasa promedio

Modelo para eventos que ocurren de manera independiente a una tasa promedio constante. No puede predecir el momento exacto del siguiente evento, pero sí estimar cuántos eventos es probable que ocurran durante un período. El libro lo emplea para explicar patrones agregados, como el volumen previsto de llamadas telefónicas, y para contrastar la distribución aleatoria uniforme en el tiempo con la actividad en ráfagas.

modelo de prioridades

tareas seleccionadas según su importancia

Modelo de la actividad humana en el que las tareas reciben distintos niveles de prioridad, se completa primero la de mayor prioridad y se incorporan nuevas tareas a la cola. Las tareas importantes suelen atenderse rápidamente, mientras que las menos urgentes pueden esperar mucho tiempo. Los tiempos de espera desiguales pueden generar ráfagas en las actividades observables.

vuelo de Lévy

pasos cortos y saltos largos poco frecuentes

Tipo de recorrido aleatorio en el que la mayoría de los desplazamientos son cortos, pero algunos son muy largos. La distribución de las longitudes de los saltos sigue una ley de potencias. El libro aborda los vuelos de Lévy en la búsqueda de alimento de los animales y en los recorridos de los billetes de dólar, y advierte que la trayectoria de un billete combina los desplazamientos de muchas personas.

entropía

incertidumbre entre las ubicaciones posibles

Medida de cuántos estados posibles puede ocupar un sistema y de cuánta incertidumbre existe sobre su estado actual. En las investigaciones sobre movilidad del libro, una persona cuyos desplazamientos son muy repetitivos tiene una entropía baja y es más fácil de predecir; una persona cuya ubicación varía mucho tiene una entropía más alta y es más difícil de predecir.

privacidad prospectiva

control sobre el comportamiento previsto

Privacidad relacionada con la información sobre las acciones futuras de una persona, tal como la infieren los sistemas predictivos. Va más allá de proteger los registros del comportamiento pasado. El concepto plantea preguntas sobre quién puede poseer, utilizar o beneficiarse de las predicciones acerca de adónde irá alguien, qué podría comprar o cómo podría actuar.

LifeLinear

sistema hipotético de vigilancia pública

Sistema ficticio del libro que combina transmisiones de cámaras públicas con información disponible en internet para seguir a las personas mediante sus patrones habituales de movimiento. Ilustra cómo la rutina y la predicción podrían permitir la identificación continua sin recurrir a registros privados de teléfonos, bancos o entidades gubernamentales. Es un experimento mental, no un servicio real.

Estudio del Corazón de Framingham

estudio comunitario de salud de larga duración

Estudio de salud iniciado en Framingham, Massachusetts, en 1948, con exámenes y entrevistas sobre el estilo de vida de 5.209 residentes. Más adelante, los investigadores incorporaron a los hijos y nietos de los participantes. Sus registros longitudinales incluyen medidas de salud y contactos sociales, lo que permitió a Nicholas Christakis y James Fowler investigar cómo se relacionan los resultados de salud con las redes sociales.

Preguntas frecuentes

1. ¿De qué trata Bursts: The Hidden Pattern Behind Everything We Do, de Albert-László Barabási?

  • Exploración de patrones ocultos: El libro revela que el comportamiento humano, aunque parezca aleatorio, sigue en realidad patrones predecibles regidos por leyes científicas.
  • Investigación interdisciplinaria: Barabási recurre a la física, la informática, la sociología y la historia para descubrir los ritmos que subyacen a nuestras acciones, desde las rutinas cotidianas hasta los grandes acontecimientos históricos.
  • Revolución de los datos digitales: El auge de las tecnologías digitales y los macrodatos permite analizar y predecir el comportamiento humano a una escala sin precedentes.
  • La actividad en ráfagas como tema central: El concepto de «ráfagas» —períodos de actividad intensa seguidos de inactividad— constituye un hilo conductor del libro.

2. ¿Por qué debería leer Bursts, de Albert-László Barabási?

  • Comprender el comportamiento humano: El libro ofrece un marco científico para entender por qué nuestras acciones, aunque parezcan espontáneas, a menudo pueden reproducirse y predecirse.
  • Relevancia para la vida moderna: Explica cómo las huellas digitales y los macrodatos están transformando nuestra comprensión de la movilidad, la comunicación y las interacciones sociales.
  • Narración atractiva: Barabási vincula conceptos científicos abstractos con acontecimientos reales e historias personales, y presenta ideas complejas de forma accesible y cautivadora.
  • Implicaciones para la sociedad: El libro plantea preguntas importantes sobre la privacidad, la vigilancia y el uso ético de las tecnologías predictivas.

3. ¿Cuáles son las principales conclusiones de Bursts: The Hidden Pattern Behind Everything We Do?

  • El comportamiento humano ocurre en ráfagas y es predecible: A pesar de su aparente aleatoriedad, nuestras acciones siguen patrones de actividad en ráfagas impulsados por las prioridades, que dan lugar a rutinas con sorpresas ocasionales.
  • Las leyes universales rigen la actividad: Los datos a gran escala revelan que muchos aspectos de la dinámica humana, desde la comunicación hasta la movilidad, siguen distribuciones según leyes de potencias y son altamente predecibles.
  • Retos éticos y sociales: La capacidad de predecir el comportamiento suscita inquietudes sobre la privacidad, la vigilancia y el impacto social de los modelos predictivos.
  • Perspectivas interdisciplinarias: El libro demuestra el valor de combinar la física, la ciencia de datos y la historia para comprendernos a nosotros mismos y a nuestras sociedades.

4. ¿Qué es la «actividad en ráfagas» y cómo la define Albert-László Barabási en Bursts?

  • Definición de actividad en ráfagas: Se refiere a períodos breves de actividad intensa seguidos de largos intervalos de inactividad, un patrón presente en muchos comportamientos humanos.
  • Contraste con la aleatoriedad: A diferencia de los modelos tradicionales que suponen una aleatoriedad uniforme, los patrones de actividad en ráfagas son irregulares y se agrupan.
  • Ejemplos de la vida cotidiana: Los correos electrónicos, las llamadas telefónicas e incluso acontecimientos históricos como las guerras presentan una distribución temporal en ráfagas, no intervalos regulares y constantes.
  • Vínculo con la asignación de prioridades: Barabási atribuye la actividad en ráfagas a la manera en que las personas priorizan las tareas, se centran en lo urgente y dejan que las demás esperen.

5. ¿Cómo explica el modelo de colas con prioridades la actividad humana en ráfagas en Bursts?

  • Mecanismo de priorización de tareas: Las personas mantienen listas de tareas con prioridades asignadas y, por lo general, atienden primero las más urgentes.
  • Tiempos de espera según una ley de potencias: Con este método, la mayoría de las tareas se resuelven rápidamente, mientras que algunas de baja prioridad sufren largas demoras, lo que da lugar a distribuciones según leyes de potencias.
  • Modelización de la actividad en ráfagas: El modelo de colas con prioridades reproduce matemáticamente los patrones observados de actividad en ráfagas en la comunicación y otras actividades.
  • Eficiencia frente a equidad: El modelo pone de manifiesto una disyuntiva: priorizar tareas aumenta la eficiencia, pero puede imponer esperas injustamente largas para los asuntos menos urgentes.

6. ¿Qué son los vuelos de Lévy y cómo se relacionan con la movilidad humana en Bursts?

  • Definición de los vuelos de Lévy: Son recorridos aleatorios con muchos pasos cortos y algunos saltos largos, que siguen una distribución según una ley de potencias para el tamaño de los pasos.
  • Aplicación a humanos y animales: Los estudios muestran que tanto los animales (como los albatros) como, en cierta medida, los seres humanos presentan patrones de desplazamiento propios de los vuelos de Lévy.
  • Seguimiento de billetes de dólar: El seguimiento de los billetes de dólar mediante WheresGeorge.com sugirió inicialmente que las personas se desplazan siguiendo patrones de vuelos de Lévy.
  • Paradoja de la movilidad: Los datos de teléfonos móviles revelan que la mayoría de las personas se desplaza por zonas estables y limitadas, y que el aparente patrón de Lévy surge de la heterogeneidad de la población: algunos casos extremos recorren grandes distancias, pero la mayoría se queda cerca de casa.

7. ¿Cómo utiliza Bursts la historia de Hasan Elahi para ilustrar sus temas científicos?

  • Vigilancia y predictibilidad: La experiencia de Elahi con la vigilancia del FBI después del 11 de septiembre pone de relieve cómo se pueden rastrear y analizar las acciones humanas para predecirlas.
  • La autovigilancia como fuente de datos: Al compartir públicamente sus desplazamientos y actividades, Elahi creó un conjunto de datos singular y dio un giro al concepto de vigilancia.
  • Importancia de los casos atípicos: Su movilidad impredecible puso en entredicho los algoritmos de vigilancia e ilustró los límites de los modelos predictivos y la importancia de los casos extremos.
  • Paradoja de la privacidad: El caso de Elahi plantea preguntas sobre la privacidad, el control y las consecuencias de vivir en un mundo rico en datos.

8. ¿Qué revela Bursts sobre la predictibilidad del comportamiento humano mediante datos digitales?

  • Alta predictibilidad: El análisis de datos de teléfonos móviles muestra que, en promedio, los desplazamientos humanos son predecibles en torno al 93 %, y que la mayoría de las personas sigue rutinas regulares.
  • La entropía como medida: El libro utiliza la entropía para cuantificar la impredecibilidad y muestra que incluso quienes tienen una entropía alta (es decir, mayor aleatoriedad) siguen siendo, en gran medida, predecibles.
  • Límites de la predicción: Existen límites fundamentales: ningún algoritmo puede pronosticar a la perfección el comportamiento humano debido a la actividad en ráfagas inherente y a las acciones impulsadas por prioridades.
  • Rutina y sorpresa: La mayor parte del comportamiento es rutinario, pero las transiciones entre actividades siguen siendo difíciles de predecir.

9. ¿Cómo vincula Bursts acontecimientos históricos, como la Cruzada húngara de 1514, con sus conceptos científicos?

  • Estudio de caso histórico: El libro utiliza la sublevación campesina de 1514, liderada por György Dózsa Székely, para ilustrar las ráfagas de actividad intensa y sus consecuencias sociales.
  • Patrones en la historia: Incluso los acontecimientos sociales y políticos complejos pueden analizarse en busca de patrones de actividad en ráfagas y distribuciones según leyes de potencias en el tamaño de los conflictos.
  • Profecía frente a predicción: El relato contrapone las profecías históricas a las previsiones científicas modernas y explora los límites de la predicción de acontecimientos humanos.
  • Legado e interpretación: La historia de Székely sirve de puente entre las ráfagas históricas y la comprensión científica moderna de la dinámica humana.

10. ¿Qué papel desempeñan las leyes de potencias en el análisis de la actividad humana en Bursts?

  • Distribuciones según leyes de potencias: Muchos fenómenos humanos, desde los tiempos de respuesta a los correos electrónicos hasta la distribución de la riqueza, siguen patrones de leyes de potencias en los que unos pocos eventos son muy grandes y la mayoría son pequeños.
  • Comportamiento libre de escala: Las leyes de potencias indican que los eventos no tienen una escala típica: las apariciones extremas son naturales y previsibles.
  • Implicaciones para la modelización: Reconocer las leyes de potencias permite construir mejores modelos de los sistemas sociales, la propagación de enfermedades y el flujo de información.
  • Cuestionamiento de los modelos tradicionales: Estos hallazgos ponen en duda que los modelos gaussianos y de Poisson sean adecuados para explicar el comportamiento humano en el mundo real.

11. ¿Cómo aborda Bursts la privacidad y la vigilancia en la era de los macrodatos?

  • El concepto de LifeLinear: Barabási imagina un sistema que rastrea continuamente a las personas mediante imágenes de video, datos web y modelos de comportamiento, y que ejemplifica la posible pérdida de privacidad.
  • Privacidad comunitaria frente a individual: El libro analiza cómo las sociedades tradicionales necesitaban menos privacidad debido a la interdependencia, en contraste con las expectativas occidentales modernas.
  • Disyuntivas y riesgos: Sopesa los beneficios que la recopilación de datos ofrece para la predicción y la seguridad frente a los riesgos para la privacidad y la libertad individuales.
  • Estudios de caso: Ejemplos reales, como la autovigilancia de Hasan Elahi, ilustran las complejidades y paradojas de la privacidad en una sociedad rica en datos.

12. Según Bursts, de Albert-László Barabási, ¿cuáles son las limitaciones de los modelos aleatorios tradicionales (de Poisson) para explicar el comportamiento humano?

  • Desajuste con los datos empíricos: Los modelos de Poisson suponen una aleatoriedad uniforme y tiempos de espera exponenciales, pero la actividad humana real presenta distribuciones según leyes de potencias y actividad en ráfagas.
  • Fuerzas de desaceleración invisibles: Fenómenos observados, como la propagación de billetes de dólar más lenta de lo previsto y la mayor duración de las noticias, sugieren que intervienen mecanismos adicionales.
  • Necesidad de nuevos paradigmas: El libro defiende modelos que incorporen prioridades, memoria y factores sociales para representar mejor la complejidad de las acciones humanas.
  • Implicaciones más amplias: Ir más allá de los modelos de Poisson permite pronósticos y explicaciones más precisos de fenómenos sociales, económicos y relacionados con la salud.

Sobre el autor

Albert-László Barabási es un reconocido físico especializado en ciencia de redes. Nacido en Transilvania, obtuvo su doctorado en la Universidad de Boston. Entre sus trabajos pioneros se cuentan el descubrimiento de las redes libres de escala y la propuesta del modelo de Barabási-Albert. Ocupa prestigiosos cargos en la Universidad Northeastern y la Facultad de Medicina de Harvard. Barabási ha escrito seis libros y ha recibido numerosos premios, entre ellos el Premio Aniversario de la FEBS y la Medalla John von Neumann. Es miembro de varias academias científicas y ha recibido reconocimiento por sus aportaciones a la investigación de sistemas complejos. Su trabajo abarca la física, la informática y la medicina, y se centra en comprender las redes complejas en distintos sistemas.

Descargar PDF

Para guardar este resumen de Bursts para más tarde, descarga el PDF gratis. Puedes imprimirlo o leerlo sin conexión cuando quieras.
Download PDF

Descargar EPUB

Para leer este resumen de Bursts en tu dispositivo o aplicación de lectura, descarga el EPUB gratis. El formato de libro digital .epub es ideal para leer libros electrónicos en teléfonos, tabletas y lectores electrónicos.
Download EPUB
¿Quieres leer el libro completo?
Seguir
Escuchar
Inicio
Swipe
Biblio
App
Prueba el acceso completo por 3 días
Escucha, guarda y mucho más
Comparar funciones Gratis Pro
📖 Leer resúmenes
Lee resúmenes ilimitados. Los usuarios gratuitos obtienen 3 al mes
🎧 Escuchar resúmenes
Escucha resúmenes ilimitados en 40 idiomas
—
❤️ Marcadores ilimitados
Usuarios gratuitos limitados a 4
—
📜 Historial ilimitado
Usuarios gratuitos limitados a 4
—
📥 Descargas ilimitadas
Usuarios gratuitos limitados a 1
—
Cronología sin riesgo
Hoy: Obtén acceso instantáneo
Escucha resúmenes completos de más de 26.000 libros. ¡Son más de 12.000 horas de audio!
Día 2: Recordatorio de prueba
Te enviaremos una notificación de que tu prueba está por terminar.
Día 3: Tu suscripción comienza
Se te cobrará el 25 nov,
cancela en cualquier momento antes.
Consume 2.8× More Books
2.8× libros más Escucha Lectura
Nuestros usuarios nos adoran
1M+ lectores
Trustpilot Rating
TrustPilot
4.6 Excelente
Este sitio es un antes y un después. He leído resúmenes como nunca antes. Lo recomiendo muchísimo.
— Dave G
Vale cada centavo y cada minuto, y está muy bien hecho. Nunca había visto esta calidad de resúmenes en otros sitios. ¡Muy útil!
— Em
¡Muy recomendado! Servicio fantástico. Perfecto para quienes quieren algo más que una sinopsis, pero no todos los detalles de un audiolibro completo.
— Greg M
Ahorra un 62%
Anual
$119.88 $44.99/año/año
$3.75/mes
Mensual
$9.99/mes
Inicia tu prueba gratuita de 3 días
3 días gratis, luego $44.99/año. Cancela cuando quieras.
Unlock a world of fiction & nonfiction books
Más de 26.000 libros por el precio de 2
Lee cualquier libro en 10 minutos
Descubre libros nuevos como en Tinder
Solicita cualquier libro si no está resumido
Lee más libros que cualquiera que conozcas
La app nº 1 para amantes de los libros
Lifelike & immersive summaries
Garantía de devolución de 30 días
Descarga resúmenes en EPUB o PDF
Cancela en cualquier momento con unos clics

¿Por qué solo un resumen?

Escáner
Busca un código de barras para escanear

⭐
⭐
⭐
Tenemos un regalo especial para ti
Abrir
38% de descuento
DESCUENTO PARA TI
⭐
⭐
⭐
$79.99
$49.99/año
Solo $4.16 al mes
Continuar
Empieza con 2 toques y cancela fácilmente
Configuración
General
Widget
Cargando...