Coffeeminer Minero Criptomonedas Redes Wifi

Gran parte de la vida está regida por una serie de cambios a los cuales, sin entrar en demasiados detalles, es necesario adaptarse para sobrevivir. Una de las técnicas de los humanos consiste en buscar patrones para estudiar las diferentes situaciones que se presentan, considerando causas y consecuencias, para poder adelantarse un poco a los hechos.

Este es más o menos el enfoque que suelen aplicar los especialistas a la hora de estimar las tasas de propagación de algo entre las poblaciones, desde coronavirus como el que ha encabezado las noticias en los últimos meses, como los rumores en torno a esto. Para ello se ayudan con modelos matemáticos muy complejos que toman en cuenta una variedad de factores que pueden influir en ello. De esta forma, se obtienen resultados un poco más realistas.

Por lo general dichos modelos procesan los primeros pasos que sigue un tema en particular, como un virus, y a partir de ellos pueden predecir qué tan lejos podría llegar su propagación. Pero aquí entran en juego los cambios nuevamente. ¿Qué pasa, por ejemplo, si dicho patógeno muta o si la nueva información disponible es muy diferente a la manejada al principio? ¿Qué pasa si la tasa a la que se propaga cambia?

Un equipo de investigadores de la Universidad Carnegie Mellon ha dado respuesta a esta interrogante en un documento publicado en la revista PNAS, donde indican que, al no considerar dichos cambios en el tiempo, la predicción sobre la propagación podría ser bastante errada.

La evolución no puede ser ignorada

Las epidemias no son un tema nuevo para los humanos, pero con la llegada del libre uso del Internet lo realmente epidémico ha sido la difusión de rumores falsos e información poco precisa a través de las redes.

Aunque hay muchas fuentes confiables para corroborar cualquier información que se escucha o se vea en plataforma, pocas son las que lo hacen. Y con la rapidez con la que empiezan a circular las noticias, corroboradas o no, estas se vuelven virales y pueden favorecer a muchos en materia monetaria, más no al control de las masas.

“Algunas informaciones erróneas son intencionales, pero otras pueden desarrollarse orgánicamente cuando muchas personas hacen pequeños cambios secuencialmente como un juego de ‘teléfono'”, explica Osman Yagan, profesor asociado de investigación en Ingeniería Eléctrica e Informática (ECE) y autor del estudio.

“Una información aparentemente aburrida puede convertirse en un tuit viral, y debemos ser capaces de predecir cómo se propagarán estas cosas”.

Interesados por este tema, los investigadores desarrollaron un modelo matemático que toma en cuenta todos estos cambios evolutivos, el cual probaron con miles de epidemias de información y patógenos simulados por computadora en redes de la vida real. Para ello, usaron datos de dos redes específicas: una de contacto entre estudiantes, maestros y personal de una escuela secundaria de EE.UU., y otra de contacto entre personal y pacientes en un hospital en Lyon, Francia.

“Demostramos que nuestra teoría funciona en redes del mundo real”, dice el primer autor del estudio, Rashad Eletreby. “Los modelos tradicionales que no consideran las adaptaciones evolutivas no pueden predecir la probabilidad de aparición de una epidemia”.

El modelo fue bastante preciso en sus predicciones, y corroboraron así que “los cambios evolutivos tienen un gran impacto” en el estudio de las epidemias. “Si no se consideran los posibles cambios con el tiempo, habrá error al predecir el número de personas que se enfermarán o el número de personas que están expuestas a una información”, concluye Yagan.

Referencia:

The effects of evolutionary adaptations on spreading processes in complex networks. https://www.pnas.org/cgi/doi/10.1073/pnas.1918529117