El conocimiento alienígena de las máquinas
La reciente disponibilidad de enormes cantidades de datos, junto con las herramientas estadísticas para procesarlos, ofrecen una nueva forma de entender el mundo.
La correlación reemplaza a la causalidad, y la ciencia puede avanzar incluso sin modelos coherentes, teorías unificadas o ninguna explicación realmente mecanicista.
La nueva forma de pensar de la inteligencia artificial se basa en algoritimos genéricos que pueden extraer conclusiones de un grupo de datos sin la necesidad de que tengamos que escribir un código específico al problema que queremos resolver.
Por ejemplo, el proyecto de Google AlphaGo, basado en deep lerning, derrotó hace poco al mejor jugador del mundo de Go, Lee Sedol. El Go es un juego que tiene 10^350 posibles movimientos, “infinitamente” mas que el ajedrez que solo tiene 10^123 (como referencia hay 10^80 átomos en todo el universos!). Para lograr esto, AlphaGo fue entrenada con 160 mil partidos de los mejores jugadores del mundo.
Sin embargo, no podemos extraer conclusiones sobre la forma en que AlphaGo juega o como gana los partidos. Tampoco podemos usar AlphaGo para aprender a jugar al Go o para hacernos mejores jugadores como podríamos hacerlo con su equivalente humano, el campeón del mundo, Lee Sedol.
Y el Go es solo un juego. Pero en otras áreas de aplicaciones de la inteligencia artificial, áreas mucho más importantes como la biología, la medicina, los modelos climáticos o la física, ocurre exactamente lo mismo.
Durante el último milenio la humanidad ha creado modelos que predicen cómo se comporta la naturaleza, desde Galileo, pasando por Newton, Einstein y muchos otros hemos desarrollado teorías que predicen los fenómenos físicos pero además le dan explicación y consistencia. Necesitamos, además de predecir fenómenos, entender su naturaleza.
Sin embargo, en algunas áreas específicas, estas nuevas formas de pensar, están funcionando mejor que nuestros propios modelos, predicen resultados con mayor precision. Por está razón estamos comenzando a confiar en sus predicciones cada vez más, aún sin entender como lo hacen.
https://www.wired.com/story/our-machines-now-have-knowledge-well-never-understand?sfns=mo