Читать книгу El desafío crucial - José Antonio Bustamante - Страница 11

No debemos dejar de explorar y al final de nuestra exploración será que lleguemos adonde empezamos y conozcamos el lugar por primera vez.

T. S. Eliot

De modo sorprendente, los teóricos en máquinas de aprendizaje están proponiendo una audaz tesis: consideran que es posible llegar a encontrar un algoritmo, es decir el conjunto de reglas e instrucciones precisas, que sea capaz de construir cualquier tipo de conocimiento. Si bien entienden que este objetivo hoy es poco realista, de lograrse respondería una serie de preguntas que a muchos les preocupa: ¿cómo aprendemos?, ¿hay una mejor forma?, ¿qué capacidad de predecir tiene lo que se sabe?, ¿podemos confiar en lo que conocemos y aprendemos? Como avance en el logro de este propósito la disciplina del aprendizaje de máquina ya posee cinco “escuelas de pensamiento” que constituyen el enfoque específico desde donde abordan actualmente su trabajo. Cada una de estas escuelas tiene su propio learner (así se denominan los algoritmos que son capaces de construir otros algoritmos) de fines generales que pueden usar en principio para extraer conocimiento desde los datos de un campo de acción determinado (industria, finanzas y muchos otros). Estos algoritmos tienen aplicaciones que dan resultados y son exitosas en hacer ciertas cosas, pero no otras. El pretender hacer uno que combine las mejores cosas de aquellos específicos en un área, sería el algoritmo maestro final, algo así como conseguir la teoría unificada en la Física, derivando todo el conocimiento del mundo respecto del pasado, presente y futuro, a partir de fuentes de datos determinados.

De modo sorprendente, los teóricos en máquinas de aprendizaje están proponiendo una audaz tesis: consideran que es posible llegar a encontrar un algoritmo, es decir el conjunto de reglas e instrucciones precisas, que sea capaz de construir cualquier tipo de conocimiento. Si bien entienden que este objetivo hoy es poco realista, de lograrse respondería una serie de preguntas que a muchos les preocupa: ¿cómo aprendemos?, ¿hay una mejor forma?, ¿qué capacidad de predecir tiene lo que se sabe?, ¿podemos confiar en lo que conocemos y aprendemos? Como avance en el logro de este propósito la disciplina del aprendizaje de máquina ya posee cinco “escuelas de pensamiento” que constituyen el enfoque específico desde donde abordan actualmente su trabajo. Cada una de estas escuelas tiene su propio learner (así se denominan los algoritmos que son capaces de construir otros algoritmos) de fines generales que pueden usar en principio para extraer conocimiento desde los datos de un campo de acción determinado (industria, finanzas y muchos otros). Estos algoritmos tienen aplicaciones que dan resultados y son exitosas en hacer ciertas cosas, pero no otras. El pretender hacer uno que combine las mejores cosas de aquellos específicos en un área, sería el algoritmo maestro final, algo así como conseguir la teoría unificada en la Física, derivando todo el conocimiento del mundo respecto del pasado, presente y futuro, a partir de fuentes de datos determinados.

Si comparamos los objetivos que pretenden alcanzar algunos de los más importantes expertos en inteligencia artificial respecto del conocimiento y los medios para alcanzarlo, con aquellos pensadores preocupados por el tema desde la antigua Grecia, surgen varias conclusiones que nos pueden ayudar a avanzar en identificar, descubrir y luego gestionar este importante activo por profesionales, equipos, organizaciones de manera de generar valor: Desde los albores de la civilización se han planteado las interrogantes acerca de cuál es proceso que nos permite conocer, aprender y aplicar lo que sabemos y cuales son límites del mismo. Por otra parte, en el transcurso de este devenir por la filosofía, la psicología, las neurociencias, la lingüística y hasta en la inteligencia artificial se manifiesta una tendencia a proponer una especie de “algoritmo maestro” que explique y dé cuenta, como un modelo globalizador, de que este conocimiento ocurre a partir de elementos (datos, impulsos biofísicos, lenguajes, códigos, redes cognitivas, símbolos, formas, ideas, matemáticas, mutaciones, dependiendo del campo de estudio) que se constituyen en los insumos para la construcción de teorías, técnicas, métodos y herramientas esenciales del desarrollo de la cultura y la civilización en un sentido amplio. Además, en una revisión de los principales aportes desde donde se han ido construyendo estos modelos, podemos obtener una mejor comprensión de lo que ocurre hoy en el ámbito del aprendizaje y su influencia diversa, reflejada en ciertas creencias y paradigmas que han ido quedando desfasados en los procesos, por ejemplo de educación y capacitación, así como en la forma de trabajar y aportar. En el mismo sentido nos permite rescatar metodologías, técnicas y estrategias para acercarnos a descubrir el valioso tesoro que reside en crear lo nuevo como una práctica permanente, pues desde allí se pueden construir competencias diferenciadas y de mayor éxito profesional y organizacional. Por último, resulta muy sorprendente que desde las antiguas escuelas filosóficas hasta las modernas escuelas de la inteligencia artificial, coincidan en algunos principios que subyacen en la búsqueda del conocimiento y en entender cómo éste ocurre. Tal vez no esté tan errada la idea de encontrar un algoritmo maestro y de que cualquiera de nosotros podamos construir uno propio que nos oriente y nos transforme en “líderes del conocimiento” y así abordar los desafíos en el trabajo del futuro cercano. Para descubrir la llave maestra de acceso al reino del nuevo conocimiento, tendremos que realizar un viaje que implica superar ciertas etapas cruciales para el éxito.

En esta travesía de aprendizaje y descubrimiento será necesario clarificar inicialmente qué es lo que buscamos. Por esta razón, la primera detención será en los dominios de la filosofía y su intento desde hace más de dos mil quinientos años por “atrapar la luz”, que nos acerque a la verdad y a los límites que tiene el hombre, para conocer la realidad desde el saber qué (la teoría), saber cómo (el hacer práctico) y también del saber qué es (las observaciones y vivencias). Luego haremos una visita a los “talleres ocultos de la mente” de la mano de las neurociencias. Allí nuestro propósito será comprender la forma en que aprendemos lo que aprendemos y también lo necesario para desaprender y crear, a partir de la intrincada red neuronal que conforma nuestro sistema nervioso central y los hemisferios cerebrales. La siguiente etapa del recorrido será una parada en la “guarida” de nuestro enemigo potencial del trabajo del futuro: las máquinas pensantes y descubrir, en lo esencial, cómo lo hacen para ser cada vez más inteligentes, igualar o superar ciertas competencias consideradas hasta ahora exclusivamente humanas y provocar el temor en muchas personas respecto de sus posibilidades laborales. No obstante lo anterior, también interesaría saber si tal vez no son enemigos reales, sino aliados que pueden contribuir de manera positiva a incrementar nuestra creatividad y el desarrollo de nuevo conocimiento. En el siguiente paso tendremos que dejar el terreno sólido de lo predecible para navegar en aguas cuya característica principal es la incertidumbre de su curso, sin embargo entender y actuar en ellas será clave para generar conocimiento pues, como veremos, la complejidad constituye hoy por hoy un componente esencial del escenario en que pueden surgir grandes oportunidades, en la medida que ésta se asocia a hechos, sucesos o problemas no lineales, es decir aquellos en que su causa y su solución son sistémicas y se relacionan con un conjunto de variables a considerar para entregar propuestas creativas que los resuelvan. Por último, luego de hacer todo el recorrido, será necesario extraer de lo aprendido en las diferentes etapas del viaje los insumos de un modelo para generar nuestro propio conjunto de métodos y herramientas que nos sirvan para crear e innovar, sin importar mayormente el campo profesional o laboral en que nos desempeñemos.