Etiqueta: historia

  • La mirada bizantina: Por qué tu cerebro (y la IA) necesita menos dimensiones

    La mirada bizantina: Por qué tu cerebro (y la IA) necesita menos dimensiones

    Nunca en la historia de la humanidad tuvimos acceso a tanta información ni estuvimos tan abrumados por ella. Hasta hace unos años, el único límite era la capacidad humana de generarla; ya no existe ese limite. Nos estamos auto sepultando bajo un flujo de datos, canales y medios que, lejos de hacernos más sabios, nos ha hecho más vulnerables.

    Le hemos puesto muchos nombres —infoxicación, tecnoestrés, obesidad informativa— pero el mecanismo es siempre el mismo: tu cuerpo interpreta el ruido como una amenaza y activa el cortisol, la hormona del estrés, que bloquea tu capacidad de concentración y de tomar decisiones claras.

    El dilema es, en esencia, el mismo que ya resolvieron los iconógrafos bizantinos en la Constantinopla del siglo VI. ¿Qué tendrán que ver unos monjes medievales con todo esto?

    La tercera dimensión es ruido

    Al entrar en basílicas como Santa Sofía, se observa una decisión estética radical: las figuras son planas, frontales y carecen de la profundidad tridimensional que los romanos ya dominaban siglos antes. ¿Perdieron esa capacidad con el tiempo?¿La edad media hizo tantos estragos en el arte?

    Lo cierto es que se trataba de una renuncia intencionada. Para la manera de pensar bizantina, la tridimensionalidad se percibía como una distracción de la «carne» que ocultaba la «esencia» espiritual. Al eliminar el volumen, los maestros se desprendían de una dimensión para obligar al espectador a centrarse en la hipóstasis, la esencia única y concreta de lo representado. La tercera dimensión era ruido terrenal que te distraía de la verdad, de la esencia, de Dios.

    Reducción dimensional. Un acto de honestidad

    En el mundo de los datos cometemos el error de creer que a más información, más variables, más complejidad equivalen a mayor inteligencia, mayor precisión. Pero, al igual que en esas pinturas bizantinas, el exceso de dimensiones solo genera confusión. En el mundo bizantino los iconógrafos usaban la técnica del Sankir.

    El pintor comenzaba con una base oscura sobre la que superponía capas de luz hasta que la figura «emergía» de las tinieblas. La reducción dimensional es nuestro Sankir moderno: iluminamos las variables maestras para que la estructura real venza la opacidad del ruido. No es un proceso de borrado al azar, si no rescatar lo relevante de lo superfluo.

    Y si las máquinas necesitan este proceso de poda para no colapsar bajo el ruido, nuestra mente lo necesita más.

    La perspectiva invertida contra la distracción

    Este exceso tecnológico nos mantiene saltando de una tarea a otra sin profundizar en nada. Sufrimos una interrupción cada pocos minutos y tardamos otros tantos en recuperarla. Que esto reduzca nuestra productividad es irrelevante, lo que importa es cómo afecta esto a nuestro bienestar, a nuestro desarrollo personal, a la satisfacción de nuestra vida diaria.

    ¿Cómo nos pueden ayudar los monjes?

    Ellos empleaban algo llamado «perspectiva invertida». En lugar de que las líneas de sus pinturas se alejasen a un punto de fuga, en el icono, el punto de fuga está situado en el espectador y no en la obra. Más que ver el ícono, el espectador es visto por éste, es decir, por quien está detrás de la realidad material de la imagen.

    El objetivo es que dejes de ser consumidor pasivo de información, noticias, notificaciones y te sientas «dentro» de la escena, recuperando el papel activo sobre tu propia atención. Aplicar esta mirada hoy significa: identificar lo esencial y proteger el propósito.

    La verdadera maestría consiste en saber qué sacrificar, del mismo modo que un modelo no necesita todas las variables para ser útil, nuestra vida no necesita consumir cada bit de información para tener sentido. Al igual que el pintor trabajaba en el silencio para que la obra fuera un canal hacia lo sagrado, nosotros necesitamos blindar nuestros espacios de concentración contra el ruido.

    ¿Cuántas dimensiones te sobran?

    La reducción dimensional no es solo un conjunto de algoritmos matemáticos, es una decisión frente a la saturación. En un mundo que grita por tu atención con mil capas de realismo artificial, la pregunta de oro sigue siendo la misma que se hacia el monje en Bizancio ante el lienzo ¿Qué debo ignorar para mostrar lo que realmente importa?

  • 🔍 William Sealy Gosset

    William Sealy Gosset, un estadístico británico, trabajó en Guinness mejorando la calidad de la cebada y los procesos. Obligado a usar el pseudónimo «Student» por la empresa, desarrolló la fundamental Distribución t para analizar muestras pequeñas.

    Su ingenio sentó las bases del análisis estadístico y el diseño experimental, convirtiéndolo en uno de los estadísticos más influyentes del siglo XX, todo desde la sombra de una cervecera. Gosset fue un hombre modesto, capaz de ser amigo de estadísticos rivales como Pearson y Fisher (¡todo un logro!). Él mismo diría: «Fisher lo hubiera descubierto de todas maneras».

  • Los 3 tipos de inteligencia artificial en el Rey León 🦁🤖

    Los 3 tipos de inteligencia artificial en el Rey León 🦁🤖

    El Rey León nos cuenta la historia de Simba, un joven león que está destinado a ser rey. Todos conocemos la historia o hemos visto la película alguna vez. Pues bien, cuando alguien de mi entorno me pregunta cómo aprenden las máquinas intento usar esta película para explicarlo.

    ¿Y qué tiene que ver el rey león con la inteligencia artificial? Pues, en mi cabeza, mucho y en este post os lo cuento.

    Antes de nada, “Inteligencia artificial” es un término un poco vago y más marketiniano que real. Cuando decimos inteligencia artificial nos referimos, entre otras cosas, al aprendizaje automático. Un conjunto de técnicas que nos permiten hacer que un programa aprenda lo que hacer sólo en base a datos, sin que nadie le diga específicamente cómo hacerlo, es decir, en base a la experiencia.

    Actualmente hay tres maneras de que las máquinas aprendan, tres tipos de aprendizaje bien diferenciados. El primero de ellos se llama aprendizaje supervisado y … ahora volvemos a Simba!

    Aprendizaje supervisado

    Simba nace, es pequeñito y necesita de la supervisión de su padre. Él le da lecciones para que Simba se convierta en un gran rey y este sería un buen ejemplo de aprendizaje supervisado.

    En este tipo de aprendizaje se tienen unas variables de entrada (datos que el algoritmo observa) y una variable objetivo (datos que tiene que calcular). A base de muchos ejemplos y sobretodo de prueba y error (e iterar un montón de veces), logramos que el programa aprenda lo que hacer.

    En el caso de un algoritmo las variables de entrada podrían ser texto, imágenes, audio; y la variable objetivo podría ser el mismo texto pero en otro idioma, detectar objetos en la imagen introducida o saber qué canción se está reproduciendo en el caso de audio.

    En el caso de Simba las variables de entrada serían todo lo que le rodea, lo que ve, lo que escucha, lo que siente; y la variable objetivo sería convertirse en un buen rey. Con todo lo que está observando y sintiendo, ¿qué tiene que hacer para parecerse a su padre?

    Cuando Simba se desvía de su camino para convertirse en un buen rey, su padre le corrige!

    Simba, después de la traición de Scar a Mufasa, se queda sin su padre… Se queda sin ese supervisor que le ayudaba a aprender a ser un buen rey y huye. Huye de todo lo que conoce y solo, en el desierto, deshidratado… se encuentra con Timón y Pumba.

    Aprendizaje NO supervisado

    Ahora, para aprender, solo tiene a Timón y Pumba, y estos no son buenos supervisores que digamos. Su lema en la vida es Hakuna Matata, vive y deja vivir.

    Al principio dudaba de que Simba simplemente no sustituyese a Mufasa por Timón y Pumba como supervisores pero en serio… ellos no le supervisan.

    Simba crece y va aprendiendo sin supervisión, no tiene ningún objetivo, simplemente observa su entorno y trata de interpretarlo como buenamente puede. 

    En la escena de las estrellas se ilustra muy bien lo que quiero decir. Simba, Timón y Pumba están tumbados mirando las estrellas y empiezan a interpretar lo que son, cada uno de forma distinta.

    Timón dice que son luciérnagas que se han quedado pegadas en la cúpula celeste. Pumba cree que son bolas de gas en eterna combustión a millones de kilómetros de distancia (muy accurate para un jabalí) y Simba opina que son grandes reyes del pasado.

    Aunque los tres interpretan las estrellas de una manera, lo cierto es que los tres pueden distinguir cuando una estrella está más cerca que otra en el cielo, cuando una es más brillante que otra, grupos de estrellas, constelaciones, etc.

    ¿En la vida real esto en que traduce? podemos poner el ejemplo de Youtube. 

    Cuando el famoso algoritmo de Youtube observa que estás mirando un cierto video, para él eres una estrella, un punto. Un punto junto a millones de puntos más y dependiendo de lo cerca que estés de los otros puntos pueden mostrarte anuncios personalizados o recomendarte contenido que quizás te interese, ¿por qué? porque a las “estrellas” de tu alrededor también les ha gustado.

    Aprendizaje reforzado

    En esta etapa aparece Nala, la amiga de la infancia de Simba, y le devuelve la inquietud por ser rey, por recuperar lo que era suyo y por supuesto, también está el amor, reproducirse y esas cosas. 

    Nala cree que Simba quiere luchar por el trono de su padre y a él le da un poco igual. Nala le sermonea, discuten y lo deja tirado (castigo) aquí Simba ya sospecha que si quiere seguir retozando con Nala (recompensa) tiene que recuperar el trono.

    Empezamos a ver lo que caracteriza al aprendizaje reforzado: el castigo y la recompensa. ¡La escena de Rafiki golpeandole la cabeza escenifica muy bien este tipo de aprendizaje!

    En este momento Simba no tiene un objetivo, simplemente sabe que no quiere que le golpeen y ni le den sermones (castigos), que quiere ser respetado y volver a ver a su familia (recompensas).

    No hay un objetivo claro pero parece que va a tener que volver a casa. No tiene a nadie que lo supervise, simplemente tiene incentivos, castigos y recompensas.

    Viene la batalla contra Scar y, en medio de la batalla, tenemos otro ejemplo de aprendizaje reforzado. Simba se compadece de Scar (acción) y Scar lo golpea desprevenido (castigo), Simba vuelve a la pelea pero esta vez sin dejarse engañar (acción) y vence a Scar (recompensa).

    En la vida real los ejemplos más característicos del aprendizaje por refuerzo son basados en juegos. AlphaGo es una IA que venció al mejor jugador del mundo de Go, AlphaStar lo mismo pero en el videojuego StarCraft, y así con muchos ejemplos más.

    Conclusión

    Después de años de reinado de Scar donde la sequía y el hambre abundaba, la pelicula termina con Simba coronado y con los guionistas haciendo que vuelva a llover, que se llenen los rios, crezcan las plantas y la vida vuelva al reino; muy oportuno.

    ¡Sé que hay cosas en esta explicación cogidas con pinzas, pero creo que es una forma divertida de explicar lo que hacemos sin palabras raras ni tanta pomposidad!

  • Radioactividad, marketing e inteligencia artificial

    Radioactividad, marketing e inteligencia artificial

    A partir de la década de 1910, el radio era más que una panacea médica. Agregar radio a cualquier cosa de alguna manera lo hacía mejor. El elemento químico se utilizó en productos para el hogar, lápices labiales, chocolate (en Alemania), tónicos y relojes.

    El radio se convirtió rápidamente en una verdadera fuerza de marketing. Los productos que no tenían nada que ver con el radio llevaban el nombre del metal para agregar atractivo.

    Ha pasado más de un siglo desde entonces y desde hace algunos años asistimos a un fenómeno muy parecido al del radio, la inteligencia artificial.

    A diferencia del radio, la inteligencia artificial no produce enfermedades cuando se utiliza mal. Pero salvo por este detalle, su estado actual se parece mucho al del radio en los inicios del siglo XX.

    La IA se ha convertido en una de las principales tendencias dentro del mundo tecnológico. Se han invertido en este campo miles de millones y debido a ello han surgido infinidad de nuevas empresas alrededor del mundo para crear aplicaciones utilizando IA.

    Se ha dado tanto bombo a la IA que cualquier empresa que no anuncie que usa IA en sus procesos parece cavernaria y dedicada al arte rupestre. Pero, ¿qué sucede cuando se da más énfasis a la herramienta que al producto, al medio que al fin?

    La industria de la IA está rota. Obviamente hay claros ejemplos de uso excelentes de esta tecnología, pero cada vez es más difícil diferenciarlos de los que solo giran en el bombo publicitario.

    Algunos de estos ejemplos son de sobra conocidos. Facebook y Google han utilizado IA durante años para mostrar los anuncios óptimos aprovechando los datos que extraen de cada usuario. Spotify y Netflix la usan para recomendar contenido a cada cliente según sus preferencias. En el ámbito médico cada vez hay más avances para la ayuda al diagnóstico, etc, etc, etc.

    Hay cientos de ejemplos más y, como se puede ver, la IA puede ofrecer un valor real cuando se aplica correctamente, sin embargo, estamos empezando a ver un escenario en que prácticamente todas las empresas están integrando IA solo por el hecho de decir que la utilizan y obtener así ventaja competitiva. ¡Hasta anuncian cepillos de dientes con IA!

    Con tanto dinero en juego, tanto en financiación privada como en ayudas públicas, la industria ha perdido el rumbo. Aprovecharse de la imagen hollywoodiense que tiene el cliente de la IA sólo genera expectativas y expectativas que al final no se cumplen.

    En esto hemos participado todos los que nos dedicamos a esto. De manera bien o mal intencionada se ha conseguido un hype que no se corresponde con la realidad y ahora es trabajo de todos desmitificarla.

    La IA llegó para quedarse y, como el radio, depende de dónde y cómo se utilice puede ser muy beneficioso o muy perjudicial. Guardando las distancias, por supuesto, de momento la IA no ha matado a nadie por ponerla en un cepillo de dientes.

  • La advertencia de Hans

    La advertencia de Hans

    A principios del siglo XX, un caballo alemán era la sensación de Europa. No por su fuerza, velocidad, tamaño o color … era famoso por su inteligencia.

    El inteligente Hans, como se le conocía, era capaz de resolver todo tipo de operaciones que antes estaban limitadas a los humanos. Podía sumar y restar números, decir la hora y leer un calendario, incluso deletrear palabras y frases, todo ello resuelto a golpe de pezuña. 

    “Si el octavo día del mes cae en martes, ¿cuál es la fecha del viernes siguiente?”. “A” era un golpe; “B”, dos; 2+3, cinco. Era un fenómeno internacional que demostraba que se podía enseñar a los animales a razonar tan bien como a los humanos, ¿o no?. El tema generaba tanto interés que se formó una comisión para investigarlo profundamente.

    Los investigadores descubrieron, después de varias y exhaustivas pruebas, que el caballo había aprendido a dar la respuesta correcta observando los cambios en la postura, respiración y las expresiones faciales de su dueño. Los cambios eran casi imperceptibles, muy sutiles, pero el caballo los captaba e interpretaba que tenía que dejar de golpear el suelo.

    ¿Se puede decir entonces que el caballo no era inteligente? Bueno… sí y no, el pobre Hans simplemente daba la respuesta correcta en base a otras variables.

    Esta historia es una advertencia para los que desarrollamos “inteligencia artificial”. Tenemos que comprender cómo nuestro modelo está dando los resultados y qué variables considera importantes. Si nos centramos únicamente en los resultados, nunca sabremos si es “inteligente” o ha encontrado otra forma de ganarse el azucarillo.