Modelos obsoletos
“Book smarts vs street smarts”
Hay una diferencia entre el conocimiento que dan los libros y el conocimiento que da la relación con la realidad.
El conocimiento de los libros se puede homologar a un modelo estático, entrenado bajo características particulares y potencialmente aplicable a otras situaciones para resolver problemas.
Los modelos se vuelven obsoletos porque la realidad está en constante cambio.
Hay quien dice que porque los algoritmos pueden encontrar relaciones que las personas no pueden ver ya no son necesarias las personas para hacer ciencia.
Quien dice esto, no entiende las fortalezas y limitantes de los modelos:
Las máquinas no pueden “pensar” como nosotros. Lo que hacen es detectar patrones en un conjunto de datos y hacer un vodevil a través del cual filtrar la información para hacer predicciones.
La inteligencia de máquina no tiene por qué parecerse a la inteligencia orgánica, así como “hicimos máquinas con ruedas para transportarnos en vez de hacer caballos mecánicos”.
Una desventaja de los cerebros es que incluso si hacen las cosas bien en estas circunstancias, no podemos transferir los modelos mentales de una persona a otra. En el aprendizaje de máquina sí podemos transferir un modelo funcional de una compu a otra.
Una desventaja que ambas comparten es que es muy difícil inferir las razones por las que los modelos mentales o artificiales funcionan.
- No es posible verlos directamente de la estructura matemática
- Para entenderlos inferimos en vez de observar.
Es impresionante que una multiplicación de matrices pueda resolver competentemente tareas que para las personas requieren razonamiento o trabajo mental.
Los modelos computacionales son mucho más escalables, y pueden aprovecharse de las economías de escalas.
La tecnología suele transformar los trabajos en vez de destruirlos pero parece que las IA están destruyendo trabajos más rápido de lo que podemos generar nuevos tipos de trabajo.
Los modelos sólo tienen sentido en tanto corresponden con la realidad.