Siempre la tarea de escoger un libro, para mí, es cosa seria. Ya me conozco y tengo ideas de los libros que podrían interesarme. Y es que francamente, con los avances de hoy es raro utilizar o leer un libro, a menos que aporte mucha utilidad o que este muy bien escrito; bueno existen otras ocasiones de fuerza mayor, como por ejemplo cuando no habrá internet para buscar información.
Es más facil un artículo de vulgarización en sitios como mashable.com o con aplicaciones como flipboard. De hecho, noticias que aparecen en flipboard tardan poco más de 2 días en llegar el flujo de noticias de mi facebook. Qué quiere decir esto? Bueno, pues quiere decir que debo cambiar de amigos. jajajaja.
Luego de leer entre muchos artículos "vulgares" si alguno me interesa podría fijarme en las fuentes y tratar de piratear el artículo mediante el proyecto científico llamado Sci-Hub. Es así que, por ejemplo, descubrí el error de un diario Ecuatoriano confiando en una traducción mal hecha y un typo en la escritura. Ver la entrada del mes de febrero http://barrosjuan.blogspot.com/2017/02/revision-de-las-fuentes-de-informacion.html
Pero se puede llegar a información mucho más nutrida hasta que la curiosidad y nuestra capacidad de entender algo queden tranquilas.
Me topé con el libro del doctor en historia Yuval Noah Harari, llamado "Homo Deus, una breve historia del mañana". Es una interesante perspectiva y me agrada su lectura de la humanidad y de las nuevas religiones, aunque casi medio libro se trata de una revisión histórica alineada a su argumentación; son los últimos capítulos los que me aportaron más ideas del presente, y reforzaron mi creencia en que no podemos predecir el futuro.
Al parecer, este es el año para hablar de la cuarta revolución industrial, el apocalíptico mundo con crecimeinto cero, y el levantamiento de la nueva religión basada en los datos, es decir el datismo. Un par de ideas para reemplazar a los taxis, farmacias, abogados, etc, etc.
Además, me llamó mucho la atención lo de EMI (Experiments in Musical Inteligence). En dónde el investigador, David Cope, de la universidad de California en Santa Cruz, se pasó como 7 años para crear un software que imita, en un inicio, los estilos, por ejemplo el de Bach; y que puede y que compuso como 5000 sinfonías o coros en el primer día. Luego se presentaron dichas sinfonias al público, ellos sintieron y casi lloraron con las emociones que brotaban de ellos al eschucar tal sublime obra, pero las reacciones fueron muy diferentes luego cuando se les informó sobre el compositor. Luego el programa también fue modificado y ahora también genera Haiku. Luego, al comentar a unos amigos, su reacción fue la misma. Se necesita pasión para generar dichas obras y no la frialdad de un algoritmo o software. Bueno, los hechos son que el album "Classical Music Composed by Computer" se vendió muy bien. Y además que los humanos no estamos en condiciones de diferenciar el compositor sintético del orgánico.
Una interesante perspectiva en un mundo donde en estos días se diferencia la Inteligencia se separa o desacopla de la conciencia. En mi opinión, un buen libro para pensar la nueva religión y el espacio de los seres "humanos" en la era de los algoritmos.
Mostrando entradas con la etiqueta máquinas. Mostrar todas las entradas
Mostrando entradas con la etiqueta máquinas. Mostrar todas las entradas
martes, 6 de junio de 2017
martes, 24 de mayo de 2016
Que aprenda la máquina, mi pueblo me necesita
El otro día encontré un supuesto argumento en contra de las instituciones de educación superiores. Un supuesto rastro histórico en el que se pretende optimizar recursos. Tratando de pasar de una escala lineal a un polinómica. En teoría, si quiero ser panadero, debo pedir a un maestro panadero (maitre pannisiere) que me reciba como su acólito. Supongo que basado en el dicho popular "si quieres saber bailar, entonces baila", "si quieres poder nadar, entonces tienes que hecharte al agua y practicar". El problema en realidad sería la escalabilidad.
Una solución era poner a un maestro y a 30,40, 60, etc., personas para ocupar mejor los recursos. Los posibles problemas son que al finalizar las formaciones muchas veces se tiene personas con buena memoria pero con muy poco de práctica.
El artículo explicaba el porqué del fracaso de los MOCs (masive open courses), o cursos abiertos masivos.
Bueno, resulta que al momento estoy enlistado en unos cuantos cursos en línea, con la historia de tener experiencia en al menos uno de estos MOCs.
En Edx estoy siguiendo 3 cursos, que no he tocado en varios meses.
ESRI me propuso otro pero nunca me contactaron (eso creo).
También existe Cursera y muchos otros sitios.
Por ejemplo, es posible acceder a los cursos del MIT mediante su plataforma OCW. Sin ninguna duda una interesante apuesta por la humanidad.
Es como si el conocimiento esta allí, pero tienes que ir por él.
En este momento me encuentro leyendo el material de uno de los cursos en aprendizaje de máquinas y la tarea es leer el artículo del Señor Pedro Domingos sobre "Algunas cosas que saber sobre el aprendizaje de máquinas" con DOI: doi:10.1145/ 2347736.2347755
Aprendizaje = representación + Evaluación + Optimización
Cada una de la fases tiene muchos métodos y en algunas ocasiones los unos dependen de los otros. Es decir un método de representación solo puede ser usado o hacer sentido con algunos de los métodos de evaluación.
- La generalización es lo que importa. Lograr que nuestra configuración funcione bien con datos que no se utilizaron en el entrenamiento. Y que los resultados sean mejores que una elección al hazar.
- Los datos solos no bastan. Los aprendices son más como el cultivo. Se deja que la naturaleza haga el trabajo, los aprendices combinan conocimiento con datos para cultivar o hacer crecer programas.
- Sobreencajar tiene muchas caras. La computadora puede ver muchas relaciones que no son existentes basandose en los datos, el resultado es alucinaciones. Se puede expresar en forma de "prejuicio y varianza". Prejuicio(Bias) es aprender sistemáticamente la misma cosa incorrecta. y Varianza es aprender cosas al hazar sin respetar la señal de base.
- No intuición en multidimencional.
Una solución era poner a un maestro y a 30,40, 60, etc., personas para ocupar mejor los recursos. Los posibles problemas son que al finalizar las formaciones muchas veces se tiene personas con buena memoria pero con muy poco de práctica.
El artículo explicaba el porqué del fracaso de los MOCs (masive open courses), o cursos abiertos masivos.
Bueno, resulta que al momento estoy enlistado en unos cuantos cursos en línea, con la historia de tener experiencia en al menos uno de estos MOCs.
En Edx estoy siguiendo 3 cursos, que no he tocado en varios meses.
ESRI me propuso otro pero nunca me contactaron (eso creo).
También existe Cursera y muchos otros sitios.
Por ejemplo, es posible acceder a los cursos del MIT mediante su plataforma OCW. Sin ninguna duda una interesante apuesta por la humanidad.
Es como si el conocimiento esta allí, pero tienes que ir por él.
En este momento me encuentro leyendo el material de uno de los cursos en aprendizaje de máquinas y la tarea es leer el artículo del Señor Pedro Domingos sobre "Algunas cosas que saber sobre el aprendizaje de máquinas" con DOI: doi:10.1145/ 2347736.2347755
Aprendizaje = representación + Evaluación + Optimización
Cada una de la fases tiene muchos métodos y en algunas ocasiones los unos dependen de los otros. Es decir un método de representación solo puede ser usado o hacer sentido con algunos de los métodos de evaluación.
- La generalización es lo que importa. Lograr que nuestra configuración funcione bien con datos que no se utilizaron en el entrenamiento. Y que los resultados sean mejores que una elección al hazar.
- Los datos solos no bastan. Los aprendices son más como el cultivo. Se deja que la naturaleza haga el trabajo, los aprendices combinan conocimiento con datos para cultivar o hacer crecer programas.
- Sobreencajar tiene muchas caras. La computadora puede ver muchas relaciones que no son existentes basandose en los datos, el resultado es alucinaciones. Se puede expresar en forma de "prejuicio y varianza". Prejuicio(Bias) es aprender sistemáticamente la misma cosa incorrecta. y Varianza es aprender cosas al hazar sin respetar la señal de base.
- No intuición en multidimencional.
Suscribirse a:
Entradas (Atom)