¿Podría existir el "Pre-Crimen" de Minority Report?

 En la famosa película de ciencia ficción Minority Report , la policía utiliza "precogs" (tres hermanos con alteraciones neurológicas que flotan en un tanque y cuyas premoniciones permiten a la policía visualizar y detener asesinatos antes de que ocurran)
para arrestar a los asesinos antes de que cometan el crimen. Su sistema es, en teoría, infalible. Pero, ¿qué pasaría si intentáramos replicar esto en la vida real usando algoritmos predictivos y estadística? Aquí es donde la probabilidad condicional nos da un gran golpe de realidad.

Imaginemos que diseñamos un algoritmo de IA para detectar futuros criminales con una precisión del 99%. En una ciudad de un millón de habitantes, la proporción de asesinos reales es extremadamente baja (digamos, 100 personas).

Si aplicamos lo que sabemos de probabilidad, nos encontramos con el siguiente problema:

-El algoritmo identificará correctamente a 99 de los 100 criminales reales.

-Pero al evaluar a los 999.900 ciudadanos inocentes, ese 1% de margen de error generará casi 10.000 falsos positivos.

Esto significa que, si la policía te arresta basándose en este sistema de alta tecnología, la probabilidad real de que seas verdaderamente culpable apenas ronda el 1%. La inmensa mayoría de los detenidos serían inocentes atrapados en lo que en estadística conocemos como el Error de Tipo I (rechazar la hipótesis nula cuando es verdadera). Esta paradoja del falso positivo, aunque aquí la veamos en un futuro distópico, es crucial hoy en día no solo para cazar criminales ficticios, sino para tareas mucho más cotidianas, como diseñar pruebas médicas fiables o calibrar filtros de spam para que no borren correos importantes.