LuKasnet Blog

Termino de escuchar una entrevista fabulosa por radio a Alejandro Horowicz, quien puntuó algunas cosas que están mas que a la vista: por ejemplo, la probabilidad de morir en un accidente de autos es 7 a 1 respecto a morir en un asalto, pero para nosotros el problema mas importante son los robos.

Otra: la deuda mundial es 18 veces mas voluminosa que sus representaciones materiales, es decir que el planeta está en quiebra.

Respecto al "campo argentino", con lo que quiera decir eso, dice que no ha sido capaz de plantear sus reclamos en clave colectiva, sólo ha sido una queja sectorial.

Y por si fuera poco: la política es una mera extensión de la esfera de los negocios privados, en un capitalismo financiero estallado, como darle la regulación de nada. Glup!

De regreso a Wired

El artículo de Chris Anderson que comentaba en el post anterior se refería a Google como metáfora de una nueva forma de conocimiento: global, distribuida, meritocrática, procomún y sobretodo capaz de convertir el problema del exceso de datos en una solución

Que ellos mismos construyan información y conocimiento ad hoc.

Uno podría preguntarse que pasaría si datos falsos afectaran conclusiones socialmente significativas, o lo que es peor, acciones.

Quien sabría si se están entrando datos correctos?

Pues este es realmente un problema, en buena medida de la ciencia actual, cuando los papers no son replicables (por ejemplo se escriben las cadenas de DNA en orden azaroso) o lo son solamente en unas condiciones especialísimas, patentes incluidas.

Otra objeción podría ser: las bases de datos están construidas según un modelo, por lo tanto el modelo nunca podría ser secundario.

Acá se me ocurre que se puede conjeturar una especie de banda de moebius, donde de las bases de datos modeladas emergan modelos que construyen nuevas bases de datos.

Dicen: más datos nos permite hacer hagamos más rápido y más eficientemente lo que venimos haciendo, pero no puede abrir nuevas posibilidades sin tratar de interpretar los datos.

Pero si leemos el posteo de Chris Anderson la idea es llegar a la conversión de la cantidad en una nueva cualidad, no en mas de lo mismo acelerado.

¿Estamos dispuestos a renunciar la lógica y el pensamiento profundo? Es otra de las cuestiones.

La diferencia entre lo analítico/determinado y lo empírico/demostrado no debe alcanzar. Quizás la exploración vaya por el lado de la abducción bayesiana.

La prueba definitiva de toda producción científica es su capacidad para hacer predicciones lo mas exactas posibles de futuros acontecimientos. Esta nube de Peta-método empírico debería adscribirse al mismo criterio. ¿Responde a esto el artículo de la Wired?

¿Confunde minería de datos con información?

Lo mejor del neoconductismo, señalan. Una correlación no construye una causa! dicen en otros comments.

¿Cómo hizo para llegar a la primera página de cobertura? Hay, evidentemente, muchas menos aplicaciones útiles de "grandes de datos" que del "fin de la ciencia". (otro de los comments en la Wired)

Mas abajo se escribió: "si bien algunos aspectos de este argumento son bastante destacados, el autor parece no tener en cuenta que matemáticas aplicadas son simplemente un ejercicio de ajuste a los modelos de datos, por lo general con un cierto nivel de error que se puede cuantificar.

Si, pienso, pero ¿porqué deben seguir siéndolo?

Volviendo a los temas planteados por Alejandro Horowicz: ¿Como entender semejante berenjenal? ¿Como puede ser que podemos hacer tan poco, predecir menos y mantener las curvas de Pareto con pendientes tan inclinadas?

Acaso otra vez inventando taxonomias, estructuras, trascendentes?

Tendremos que seguir conformándonos con modelos que se gestan en las caricaturesca cabeza despeinada de un Ludwig van Beethoven o un Albert Einstein?

En grupos de investigación donde los directores se mastican cada dos años a los becarios?

Por caso: como explicar que un colectivo construya la creencia compartida de que los accidentes en auto son un fenómeno ajeno o improbable, al menos en comparación con los asaltos?

¿No habría que saturarse de datos sobre esos accidentes? Esquinas, autos, edades, modelos, climas, antecedentes, formas de los tornillos, entrevistas a transeuntes, color del asfalto y todas los datos posibles antes de crear modelos que crean aberrantes incapacidades sociales?

¿Que mejor para probar si los datos crean por sí que los mercados financieros? Hasta los adolescentes juegan a la taimba financiera para entrenarse en futuros negocios.

¿Acaso existe algo así como "el campo" o "la política"?

¿Porqué no empezar actor por actor y ver que datos destila y luego dejar que esa data se añeje en una inteligencia híbrida y distribuida, hecha de carne y chips?

Sea como fuere, las ideas de Wired yo no las descartaría tan rápido como muchos de sus comentaristas, empecinados parece en sostener un Status Quo de las ciencias que no está pudiendo trasformar la realidad en el sentido esperable o deseable.

A las pruebas me remito, que después de todo no había tantos desastres en la Edad Media.