{"id":4672,"date":"2016-09-27T22:47:40","date_gmt":"2016-09-28T01:47:40","guid":{"rendered":"http:\/\/lukasnet.com.ar\/blogwp\/?p=4672"},"modified":"2016-09-27T22:59:20","modified_gmt":"2016-09-28T01:59:20","slug":"bigdata-redes-sociales-y-comunicacion-no-humana-iii","status":"publish","type":"post","link":"https:\/\/lukasnet.com.ar\/blogwp\/bigdata-redes-sociales-y-comunicacion-no-humana-iii\/","title":{"rendered":"BigData, Redes Sociales y Comunicaci\u00f3n no humana (III)"},"content":{"rendered":"

\"alfago\"<\/a>Hace unos 10 a\u00f1os estaba cursando un seminario de Doctorado con el Dr Agust\u00edn Salvia.<\/p>\n

Suced\u00eda\u00a0en el Instituto Gino Germani<\/a>, no precisamente un lugar para plantear cosas disparatadas, al menos en un curso serio y con nota.<\/p>\n

<\/p>\n

Sin embargo yo acababa de leer un art\u00edculo de Chris Anderson en la revista Wired, en el que se dec\u00eda algo as\u00ed como que de ahora en adelante los datos crear\u00edan informaci\u00f3n solos<\/em>, sin la necesidad de un sujeto cognoscente.<\/p>\n

La idea publicada era mucho m\u00e1s fuerte que le de Long Tail<\/em>, otra del mismo autor que fue la que a la larga lo llev\u00f3 a cierta fama y sin embargo para mi fue conmocionante, en parte, supongo, por mi condici\u00f3n de psiquiatra.<\/p>\n

El asunto es que tuve la mala idea de plantear, en medio de una clase en la que justamente se discut\u00edan las las condiciones de producci\u00f3n y de validaci\u00f3n del conocimiento cient\u00edfico, esta idea seg\u00fan la cual ser\u00eda posible que los datos buscaran patrones de datos que pudi\u00e9ramos considerar como ciencia.<\/p>\n

No voy a contar ac\u00e1 la respuesta de Salvia, porque posiblemente en aquella \u00e9poca ten\u00eda raz\u00f3n, pero casi una d\u00e9cada\u00a0despu\u00e9s creo que yo tampoco estaba tan equivocado.<\/p>\n

Porque hoy podemos tener\u00a0novias o novios virtuales<\/a>, o hasta podemos alquilar amigos<\/a>\u00a0reales por hora que nos eligen algoritmos posthumanos y si enviamos un whastapp preguntando por las lombrices es posible que facebook inmediatamente nos ofrezca anzuelos y todo tipo de art\u00edculos de pesca. Cosas as\u00ed. Decenas, cientos, miles de artefactos digitales hacen cosas. Cosas que nos hacen a nosotros. En pocos a\u00f1os no podremos distinguir ya lo humano<\/a>.<\/p>\n

De alguna manera todo el comportamiento humano, desde la medicina a la publicidad est\u00e1 siendo atravesada por esta l\u00f3gica de procesos que no solo reconocen patrones en bancos de datos, sino que aprenden de sus propios resultados.<\/p>\n

Aprendizaje autom\u00e1tico <\/strong><\/p>\n

El Machine Learning\u00a0<\/strong>es un m\u00e9todo de an\u00e1lisis de datos que automatiza la construcci\u00f3n de modelos lo que a su vez permite a los ordenadores encontrar ideas ocultas, no habiendo sido\u00a0programadas de forma expl\u00edcita para encontrar un\u00a0patr\u00f3n\u00a0particular.<\/p>\n

Machine Learning<\/a> es un proceso iterativo, por lo que, cuanto m\u00e1s datos que el sistema consigue, mejores\u00a0predicciones puede hacer. Sin embargo el truco consiste en encontrar que cantidad de datos es suficiente. Se puede aplicar para ayudar a las empresas a encontrar r\u00e1pidamente grupos de objetos similares (por ejemplo, identificar segmentos de clientes) y para predecir sus comportamientos.<\/span><\/p>\n

Todos los algoritmos de ML<\/a>\u00a0consisten en las siguientes tres cosas:<\/p>\n

    \n
  1. Un conjunto de modelos posibles (ej.\u00a0cantinas casi infinitas en una ciudad) para detectar la mejor cantina.<\/li>\n
  2. Una manera de probar si un modelo es bueno (ir a comer a cada una) o mejor que otro.<\/li>\n
  3. Una forma inteligente de encontrar ese\u00a0buen modelo con s\u00f3lo unos pocos\u00a0pasos (men\u00fa, el edificio, el barrio, la cantidad de comensales, etc)<\/li>\n<\/ol>\n

    Los programas de ML\u00a0tambi\u00e9n est\u00e1n dise\u00f1ados para aprender y mejorar con el tiempo, a medida que se los a los nuevos datos generados a partir de sus propias predicciones y ha estado en el centro de muchos avances tecnol\u00f3gicos en los \u00faltimos a\u00f1os, como los autom\u00f3viles con auto-conducci\u00f3n, la visi\u00f3n artificial y los sistemas de reconocimiento de voz entre otros.<\/p>\n

    Algoritmos sociales<\/strong><\/p>\n

    En diciembre de 2009, Google comenz\u00f3 la personalizaci\u00f3n autom\u00e1tica<\/em> de sus resultados de b\u00fasqueda para todos los usuarios,\u00a0lo que\u00a0se est\u00e1 llevando a cabo en todos los sitios web m\u00e1s importantes\u00a0como\u00a0Facebook, Twitter o empresas basadas en informaci\u00f3n como Apple o\u00a0Microsoft que cierran su negocio b\u00e1sicamente con la venta de informaci\u00f3n a sus anunciantes. El\u00a0resultado es que cada vez vamos a ver nuestro propio universo informacional depurado por algoritmos.<\/p>\n

    De lo que estamos hablando es de cierta banda de moebius en la que somos un poco m\u00e1quinas, pero los artefactos son casihumanos.<\/p>\n

    Requiere una gran cantidad de potencia de c\u00e1lculo\u00a0aunque\u00a0gracias a la computaci\u00f3n en nube Machine Learning en m\u00e1s asequible: Microsoft lanz\u00f3 su servicio de AZURE de Machine Learning comercial en febrero del a\u00f1o pasado.<\/p>\n

    Por\u00a0ejemplo Fujitsu ha construido un sistema que utiliza Azure para ayudar a los agricultores japoneses a predecir mejor momento para inseminar\u00a0vacas lecheras, mejorando el rendimientos de cada animal.<\/p>\n

    Cada vaca est\u00e1 equipada con un sensor en una de sus piernas\u00a0que\u00a0registra cu\u00e1ntos pasos da por\u00a0d\u00eda:\u00a0los datos del sensor se transmiten a Azure, que puede identificar las vacas en celo.<\/p>\n

    El m\u00e9todo cl\u00e1sico para\u00a0detectar una vaca inseminable\u00a0acierta en un\u00a033 %, pero el procedimiento ML puede alcanzar hasta\u00a0un 95 %.<\/p>\n

    Bien, saque una vaca, ponga un humano frente a Facebook y se entender\u00e1 de que hablamos cuando decimos algoritmos sociales y machine learning.<\/p>\n

    Juegos cuasihumanos<\/strong><\/p>\n

    Por ultimo una reflexi\u00f3n sobre el reciente triunfo de los artefactos<\/a> contra el campe\u00f3n del GO,\u00a0un\u00a0juego del Go<\/a>\u00a0chino milenario\u00a0que se basa en unas\u00a0reglas del juego bien\u00a0simples: Los jugadores se turnan para colocar fichas\u00a0negras o blancas en un tablero, tratando de capturar las piedras del oponente o rodear el espacio vac\u00edo para hacer puntos del territorio.Es un<\/span>\u00a0juego de profunda complejidad y dicen que hay m\u00e1s posiciones posibles en GO que\u00a0\u00e1tomos en el universo.<\/p>\n

    Go se juega principalmente a trav\u00e9s de la intuici\u00f3n y debido a su belleza, sutileza y profundidad intelectual que ha capturado la imaginaci\u00f3n humana por siglos.\u00a0En marzo de este a\u00f1o\u00a0AlphaGo le gan\u00f3 4-1 a\u00a0Lee Sedol<\/a>, el mejor jugador de GO en el mundo durante la \u00faltima d\u00e9cada, mediante un procedimiento que se detalla en un art\u00edculo<\/a> de Nature.<\/p>\n

    El programa fue desarrollado por un equipo liderado por un neurocient\u00edfico. Es un h\u00edbrido de redes neuronales y machine learning, que leen el juego mediante redes de valoraci\u00f3n y redes acci\u00f3n que en definitiva lo que hacen es aprender mediante el procedimiento del ensayo, error y correcci\u00f3n.<\/p>\n

    El abanico de posibilidades que abre la met\u00e1fora de esta partida aun no parece estar al alcance de la agenda p\u00fablica, lo que no deja de sorprenderme, especialmente por el efecto que tendr\u00e1 sobre tantas habilidades humanas.<\/p>\n

    Por \u00faltimo lo descrito hasta ac\u00e1 nos ubica en el punto en el que comienzan los tremes, tema que trataremos en un pr\u00f3ximos posteo.<\/p>\n

    Espero que el Dr Salvia no lea este post!<\/p>\n

     <\/p>\n

     <\/p>\n","protected":false},"excerpt":{"rendered":"

    Hace unos 10 a\u00f1os estaba cursando un seminario de Doctorado con el Dr Agust\u00edn Salvia. Suced\u00eda\u00a0en el Instituto Gino Germani, no precisamente un lugar para plantear cosas disparatadas, al menos en un curso serio y con nota.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[382,264,409,456,384,410,411],"class_list":{"0":"entry","1":"post","2":"publish","3":"author-admin","4":"has-more-link","5":"post-4672","7":"format-standard","8":"category-general","9":"post_tag-aprendizaje-automatico","10":"post_tag-bigdata","11":"post_tag-genes","12":"post_tag-go","13":"post_tag-machine-learning","14":"post_tag-memes","15":"post_tag-tremes"},"_links":{"self":[{"href":"https:\/\/lukasnet.com.ar\/blogwp\/wp-json\/wp\/v2\/posts\/4672","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/lukasnet.com.ar\/blogwp\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/lukasnet.com.ar\/blogwp\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/lukasnet.com.ar\/blogwp\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/lukasnet.com.ar\/blogwp\/wp-json\/wp\/v2\/comments?post=4672"}],"version-history":[{"count":28,"href":"https:\/\/lukasnet.com.ar\/blogwp\/wp-json\/wp\/v2\/posts\/4672\/revisions"}],"predecessor-version":[{"id":4807,"href":"https:\/\/lukasnet.com.ar\/blogwp\/wp-json\/wp\/v2\/posts\/4672\/revisions\/4807"}],"wp:attachment":[{"href":"https:\/\/lukasnet.com.ar\/blogwp\/wp-json\/wp\/v2\/media?parent=4672"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/lukasnet.com.ar\/blogwp\/wp-json\/wp\/v2\/categories?post=4672"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/lukasnet.com.ar\/blogwp\/wp-json\/wp\/v2\/tags?post=4672"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}