Aprendiendo de los meteorólogos
El lector se preguntará qué podemos hacer ante este panorama tan desesperanzador. La solución podría venir de un asunto en el que nuestra incapacidad de mirar al futuro es conocida y aceptada: la predicción meteorológica.
Al igual que en la dinámica de la pandemia, pequeñas alteraciones de las condiciones meteorológicas (quizá el aleteo de una mariposa) podrían desencadenar un huracán al otro lado del planeta. Hace un siglo, la predicción meteorológica no era mucho mejor que la que proporcionaba la experiencia individual: en invierno hace frío y en verano calor. Con el tiempo, se ha alcanzado un gran nivel de sofisticación, puesto que se han atacado las tres fuentes principales de incertidumbre en la predicción meteorológica.
La primera de ellas es la calidad de los datos. A diario, se recogen millones de lecturas de temperatura, humedad, precipitaciones o velocidad del viento. Existen institutos especializados en todos los países que integran estos datos y proporcionan información actualizada cada hora. En el caso del coronavirus, apenas sabemos los casos positivos por PCR o test de anticuerpos y los datos de hospitalizados y fallecidos. Comparemos estas 4 o 5 fuentes de datos con las decenas de sondas meteorológicas distribuidas en una sola localidad.
En segundo lugar, los modelos del clima han mejorado y son capaces de describir su dinámica con exquisito nivel de detalle. Las interacciones en la atmósfera y con la tierra y el mar a nivel local se describen mediante ecuaciones muy detalladas. Eso ha sido posible gracias al aumento de la capacidad de computación de los ordenadores. Antiguamente no se podían resolver ecuaciones de tal sofisticación a tiempo para hacer una predicción, y había que usar versiones muy simplificadas (y claro, mucho menos precisas).
El tercer problema es inevitable y no se puede hacer nada al respecto: el caos. Las ecuaciones del clima son caóticas. Eso significa que el más mínimo error que haya en una medición se va a ir amplificando con el tiempo y producirá unos resultados divergentes que, finalmente, nada tendrán que ver con la situación real.
¿Cómo se ha «solventado» este problema? De dos formas: una, aceptando que hay una «ventana de predicción» fiable más allá de la cual ya no podemos «ver». Por eso las predicciones del tiempo nunca exceden de una semana, y lo que pase de tres días tiene una fiabilidad muy relativa. Además, las predicciones se van corrigiendo sobre la marcha.
La segunda «innovación» ha consistido en incorporar la predicción probabilística. Puesto que la predicción exacta es imposible, ¿por qué no cambiarla por un rango de situaciones con distintas probabilidades? Por eso ahora en las noticias del tiempo no se afirma que mañana vaya a llover, sino que la probabilidad de lluvia para mañana es del 90%, por ejemplo. Lo que significa es que, en promedio, una de cada 10 veces que haya una predicción así fallará.
En el caso de la pandemia de coronavirus, debemos asumir los desafíos que no podemos cambiar (el crecimiento exponencial de nuestra incapacidad para predecir) y trabajar hacia un sistema de recogida de datos eficaz (¡y transparente!) y una aproximación probabilística a la predicción.
Pero por ahora, con los datos y modelos con que contamos, no podemos hacerlo mejor que el bueno de Mariano Medina.