¡Descubre la Conexión Entre la Física y las Ciencias Sociales! [Entrevista Virtual]

Sun, 30 Jul 2023 12:00:00 +0000

La Convergencia de las Ciencias Físicas y Sociales: Una Entrevista con el Dr. Cristian Candia

En una entrevista reciente, Carla Hermann, Ph.D., la anfitriona del programa Let’s Get Physical, se sentó con el Dr. Cristian Candia, académico de la Universidad del Desarrollo en Chile y Director del Magister en Data Science y del CRiSS-LAB. La entrevista se sumerge en la intersección de las ciencias físicas y las ciencias sociales, un campo emergente que está ganando tracción en la comunidad académica. A continuación, ofrecemos un resumen de esta conversación.

Un Viaje desde la Física Hasta las Ciencias Sociales

El Dr. Candia no es un académico común. Comenzó su trayectoria en las ciencias físicas, pero su curiosidad lo llevó a explorar cómo los métodos cuantitativos de la física y las matemáticas pueden aplicarse a los problemas sociales. Durante su doctorado, se centró en el desarrollo de modelos matemáticos para analizar sistemas complejos. Esto, resultó en una carrera interdiciplinaria que fusiona elementos de diversas áreas del conocimiento, enfocada particularmente en abordar problemas sociales con una base cuantitativa sólida.

El Poder de los Sistemas Complejos

Uno de los temas más fascinantes de la entrevista fue el concepto de “sistemas complejos”. Estos sistemas existen en escalas tan pequeñas como partículas subatómicas o tan grandes como sociedades enteras. Lo que los hace complejos son las interacciones no lineales entre sus componentes, que a menudo resultan en fenómenos emergentes. El Dr. Candia explicó cómo las herramientas de la física, como las ecuaciones diferenciales, la teoría de grafos, entre otras, pueden ser útiles para entender fenómenos sociales complejos. Por ejemplo, cómo las redes sociales influyen en la propagación de información o cómo los patrones de cooperación humana pueden modelarse matemáticamente.

Memoria Colectiva: Un Estudio Interdisciplinario

Otro tema que se discutió en profundidad fue la “memoria colectiva”. Este concepto se refiere a cómo las sociedades recuerdan y olvidan eventos, figuras y conceptos históricos. El Dr. Candia subrayó la importancia de un enfoque interdisciplinario para estudiar este fenómeno. Utilizando conceptos que van desde la psicología hasta la historia y herramientas de la ciencia de datos, se pueden obtener insights más profundos sobre cómo se forman, mantienen y cambian las narrativas colectivas.

Lixandria: Un Mapa para Descubrir tu Carrera

La entrevista también tocó un proyecto específico llamado “Lixandria”, una herramienta de orientación vocacional basada en algoritmos y análisis de datos. Este proyecto busca ayudar a los jóvenes a tomar decisiones informadas sobre su futuro profesional. Utiliza las preferencias de postulantes históricos para ofrecer recomendaciones personalizadas a nuevos postulantes que les ayuden a expandir su horizonte de opciones.

Conclusión: La Belleza de la Interdisciplinariedad

La entrevista con el Dr. Cristian Candia fue una exploración de cómo la interdisciplinariedad puede abrir nuevas vías para la investigación y la resolución de problemas. Al combinar elementos de las ciencias físicas y sociales, el Dr. Candia y otros en su campo están demostrando que las soluciones más efectivas a problemas complejos y multifacéticos a menudo se encuentran en la intersección de diversas disciplinas. Este diálogo sirve como un llamado a la acción para los académicos y profesionales: las fronteras disciplinarias son más permeables que nunca, y es en estos espacios intermedios donde se pueden encontrar las soluciones más innovadoras y efectivas.

Price of Anarchy in Algorithmic Matching [Virtual Talk]

Fri, 28 Apr 2023 12:00:00 +0000

Abstract:

[ENG]

Algorithmic matching is a pervasive mechanism in our social and economic lives, used for example in algorithmic job search engines, kidney transplant allocation algorithms, medical residency program allocation, and search engines for finding romantic partners and potential spouses. However, algorithmic systems pose a principal-agent problem with the potential for moral hazard. The agent's (or system's) interest is to maximize the use of the matching website, while the principal's (or user's) interest is to find the best possible match. This creates a conflict of interest: the optimal matching of stable users would lead to fewer users using the site over time, which is detrimental to the online matching industry. Here, we borrow the notion of Price-of-Anarchy from game theory to quantify the decrease in social efficiency of online algorithmic-matching sites caused by the system's self-interest.

[ESP]

El emparejamiento algorítmico es un mecanismo generalizado en nuestras vidas sociales y económicas, utilizado por ejemplo en motores de búsqueda de empleo algorítmicos, algoritmos de asignación de trasplantes de riñón, asignación de programas de residencia médica y motores de búsqueda para encontrar parejas románticas y potenciales cónyuges. Sin embargo, los sistemas algorítmicos plantean un problema principal-agente con el potencial de generar riesgo moral. El interés del agente (o del sistema) es maximizar el uso del sitio de emparejamiento, mientras que el interés del principal (o del usuario) es encontrar el mejor emparejamiento posible. Esto crea un conflicto de intereses: el emparejamiento óptimo de usuarios estables llevaría a menos usuarios utilizando el sitio con el tiempo, lo que es perjudicial para la industria de emparejamiento en línea. Aquí, tomamos prestada la noción de Precio-de-la-Anarquía de la teoría de juegos para cuantificar la disminución de la eficiencia social de los sitios de emparejamiento algorítmico en línea causada por el interés propio del sistema. (Traducido por ChatGPT).

Speaker Bio

Dr. Andrés Abeliuk is an Assistant Professor at the Department of Computer Science, University of Chile and a young researcher at Centro Nacional de Inteligencia Artificial (CENIA). His research focuses on analyzing the impact of algorithms in society and creating social computing systems to improve collective behavior through behavioral modeling, optimization, game theory, and online experiments. He received his Ph.D. in Computer Science from the University of Melbourne, where he worked with Pascal Van Hentenryck and Gerardo Berbeglia. His thesis examined the negative effects of social influence and algorithmic curation of content on the Web and in cultural markets. After his Ph.D., he worked as a postdoctoral researcher at MIT Media Lab and investigated algorithm theory, computational complexity, and combinatorial optimization in social systems. He also worked as a research scientist at the USC Information Sciences Institute, where he collaborated on the development of algorithms and prototypes of socio-technological systems.

Artificial Intelligence | CRiSS-LAB Chile