#10 Lo que nos da una madre
Simplicidad. El efecto Diderot. La evolución de la confianza. Auditando el progreso del procesamiento del lenguaje natural.
💭 El arte de la simplicidad
Es curioso. Einstein definió cinco niveles de destreza cognitiva: listo, inteligente, brillante, genio, y puso la simplicidad en lo más alto.
Puedes ser brillante y que muy pocos sepan lo que estás diciendo. O puedes dar un giro, y conseguir que casi todo el mundo te comprenda.
De hecho, cuando eres capaz de explicar las cosas de manera sencilla, es cuando realmente has entendido algo y eres capaz de quitar lo redundante para quedarte con lo imprescindible.
E incluso, trascendiendo al acto del conocimiento en sí, encuentro en lo simple una especie de empatía. Una habilidad para ponernos en el lugar del que tenemos enfrente, buscando un mínimo común múltiplo de acuerdo y de confianza.
Una de las persona que más experimentó con la simplificación y con la esencia es Picasso
Pintar como los pintores del renacimiento, me llevó unos años, pintar como los niños me llevó toda la vida. Picasso.
En fin, toda la vida llamando genio al pintor malagueño y, ahora vamos a tener que llamarle simple.
En otro orden de cosas, cuando hablamos de sencillez, y teniendo en cuenta mi sesgo hacia el mundo tecnológico, me quedo con la practicidad del inglés.
Me maravilla la capacidad que tiene este idioma de crear, reutilizar o mezclar palabras con significado para describir ideas.
Palabras que son difíciles de traducir a otra lenguas y que acabamos utilizando en su forma original para evitar frases eternas en un mundo inmediato y rápido.
Justamente esto es lo que pienso cuando me encuentro con los términos "compound" y "leverage".
Pongamos, por ejemplo, esta frase: "Leverage things compound with time."
Seis palabras.
¿Puedes traducirla al español en menos de diez palabras?
A mí, se me ocurren trece: "Las cosas que generan valor se multiplican de forma exponencial con el tiempo".
¿Me ayudas a simplificar?
Fuentes:
The Multidisciplinary Approach to Thinking en Farnam Street.
Pablo Picasso en 10 obras en Playbuzz.
Las increíbles pinturas de la infancia de Picasso revelan un lado diferente de este artista en My Modern Met en español.
💡 El efecto Diderot
Sin embargo, muchas veces vivimos lo contrario de lo simple.
¿Te ha pasado alguna vez que compras algo nuevo y cuando lo sitúas en su contexto sientes que necesitas cambiar todo lo que lo rodea?
Si lo reconoces es porque has sido presa del efecto Diderot.
Denis Diderot vivió casi toda su vida al borde de la pobreza de tal forma, que cuando su hija se quiso casar, allá por 1765, no tenía dinero para pagar la boda.
Cuando Catalina la Grande se enteró de estos problemas en uno de los principales fundadores y colaborador de la Enciclopedia, ofreció comprar su biblioteca personal por una cifra interesante.
El escritor aceptó, con lo que pudo abonar el evento y hasta, en un momento de capricho, comprarse una nueva bata roja para él.
La prenda era tan lujosa que, cuando se la probó en casa, notó que su humilde hogar desentonaba.
Sus posesiones no le hacían justicia a la nueva adquisición así que poco a poco entró en una espiral de consumo donde cambió muebles, alfombras y decoración.
Era el dueño de mi bata vieja. Me he convertido en el esclavo de la nueva.
Nos dice un nuevo Diderot arruinado.
Si bien es cierto que parece un comportamiento exagerado, no es infrecuente y lo experimentamos en primera persona día sí y día también, convirtiéndose en muchos casos, en el centro de nuestra manera de consumir.
El motivo de esta conducta se asocia con dos principios:
Todos los productos que compramos, buscan ser coherentes con nuestra identidad, con cómo nos alineamos y encajamos con la gente que nos rodea.
Una nueva posesión que no encaja con lo existente, puede desencadenar un proceso de consumo en espiral.
Por ello, todas las empresas que venden productos y servicios se apoyan en él, promocionando elementos en conjunto o agrupándolos visualmente en tiendas y escaparates para incentivar la compra.
Esta irracionalidad, no siempre es negativa.
Nos dice James Clear en su libro Hábitos Atómicos que lo podemos utilizar en nuestro favor a la hora de crear un nuevo hábito. En este caso, nos propone desarrollar una pila de actuaciones, colocando lo nuevo que queremos “sobre” algo que ya estemos realizando. De esta manera, lo existente se convierte en un disparador de la nueva acción, facilitando su adopción.
Por ejemplo: Voy al gimnasio -> (a la salida) compro fruta. Dos buenos hábitos en bloque. ¿Qué más se puede pedir?
Diderot acabó más pobre de lo que empezó pero nos dejó esta joyita sobre psicología humana que merece la pena tener en cuenta cuando compremos y actuemos.
🔍La evolución de la confianza
Durante la 1ª Guerra mundial, hubo un periodo de paz.
Fue durante la navidad de 1914 en frente oeste.
A pesar de las estrictas órdenes de no confraternizar con el enemigo, los soldados británicos y alemanes salieron de sus trincheras, cruzaron hasta tierra de nadie y se reunieron para enterrar a sus muertos, intercambiar regalos y jugar…
…¿Por qué los amigos se pueden convertir en enemigos?
¿Y por qué, incluso en tiempo de guerra, los enemigos pueden convertirse en amigos?
Probablemente la teoría de juegos pueda ayudar a explicar el porqué …
Os dejo El juego de la confianza, de Nick Case, que lo ilustra a través de las matemáticas.
Puntos clave con los que yo me quedo:
La confianza está bien, pero puede hacer que otros se aprovechen de ti. A veces, desconfiar es lo más racional.
La regla de oro, altruismo recíproco, o... vive y deja vivir te llevará más lejos y no solo como principio moral, sino con el soporte de las matemáticas.
La confianza necesita tres cosas según la teoría de juegos:
Interacción. Necesitamos confiar para mantener una relación pero, para crear un cierto nivel de confianza, necesitamos haber interactuado lo suficiente.
Todos los involucrados deben poder ganar. Se precisa juego de suma no-cero donde el resultado neto sea positivo y ambos jugadores salgan ganando (win-win).
Suficiente comunicación. Si el nivel de incomunicación es alto, la confianza se rompe. Aunque, por esto de que “errar es de humanos”, hay que tener un cierto grado de flexibilidad cuando la incomunicación es poca y aparentemente debida a un malentendido.
Comenta el autor que todo esto no deja de ser una simplificación, porque la confianza en el mundo real se ve afectada por muchas más cosas: reputación, valores compartidos, cultura, acuerdos, etc… pero puede ser un buen comienzo.
En definitiva, me suscribo a las conclusiones de Nick:
Aunque somos producto de nuestro entorno, la teoría de juegos nos recuerda que somos el contexto de otras personas. En el corto plazo, el juego puede definir la partida pero en el largo plazo, somos los jugadores los que lo modelamos.
Está en nosotros el asegurar las condiciones necesarias de un clima de confianza: mantener y hacer crecer las relaciones, buscar situaciones donde ganemos todos y donde nos comuniquemos de forma clara, aceptando que los malentendidos existen.
Nota: Aquí tienes el juego traducido al español por Carlos Cámara. He preferido utilizar el original porque este tiene errores de formatos y tipográficos.
🤖 El alcance del mundo del procesamiento del lenguaje natural
La palabra “simple” es un autoantónimo, puede significar algo y justo lo contrario. Una de estas maravillosas ambigüedades del lenguaje que vuelven tan locas a los algoritmos de lenguaje natural.
Y aquí tengo de nuevo a mi tema fetiche. Los grandes modelos del lenguaje y sus derivados.
No os podéis imaginar lo emocionada que estoy con estos avances y a cuántos sentimientos encontrados me enfrento. Según investigo, menos sé pero más me gusta cuando extraigo un mínimo sentido y doy un paso más en los niveles de conocimiento hacia la simplicidad.
En fin, reflexiones a raíz de los días que llevo tratando de entender los algoritmos detrás de DALL-E2, la arquitectura que genera imágenes a partir de texto de la que ya hablé hace unos días.
En cualquier caso, de todas las investigaciones, cayó en mis manos una que me gustó especialmente. Dice la publicación que:
Los avances en el campo del entendimiento del lenguaje no son rápidos porque, de cara a las máquinas, aún no somos capaces de relacionar el lenguaje con el mundo físico que representa y con las interacciones sociales que facilita.
Los modelos analíticos utilizan una gran cantidad de datos proveniente de Internet pero no es suficiente. Necesitan información adicional sobre “eventos extralingüísticos” y sobre el contexto social para que el aprendizaje sea completo.
Con esto, los autores definen un marco que llaman “el alcance del mundo” con el que aspiran auditar el avance en la evolución del procesamiento del lenguaje natural (PLN). Al igual que el modelo de Einstein, se define en cinco niveles que, aunque centrados en cómo aprende la máquina, se podrían extrapolar con los grados de conocimiento adquirido:
Nivel 1: Aprendizaje a partir del corpus del lenguaje
Engloba los experimentos basados en conjuntos de lenguaje escrito etiquetados de forma manual y por ello costosos de construir.
Las representaciones de estos datos (embeddings) son capaces de capturar información sintáctica y semántica pero se quedan cortos y el coste de generar más información los limita.
Nivel 2: Aprendizaje a partir de Internet
Con los sistemas de extracción de información de Internet (web crawlers), no estamos limitados a una fuente de información sino que somos capaces de acceder a grandes volúmenes de información escrita.
Se introducen los grandes modelos del lenguaje (ElMo, GPTx, BERT, T5,…) capaces de extraer información sintáctica y semántica sin indicación humana.
Este tipo de modelos se limitan al mundo escrito lo que, en cierto modo, reduce su conocimiento a relacionar palabras y eventos co-ocurrentes, sin capturar muchas de las características intrínsecas de las palabras y frases.
Por ejemplo: no son capaces de discernir cuando colocar una palabra u otra en los corchetes de la siguiente oración: “Aparqué mi coche es una plaza de aparcamiento mediano porque parecía suficientemente [grande/pequeña]”.
Avanzar ya no sólo es cuestión de volumen. Se necesita otro tipo de información.
Nivel 3: Aprendizaje multimodal a través de la percepción visual y sonora
Es donde estamos actualmente. Aprendiendo a partir de fuentes de información diversas y no sólo de los datos escritos.
La forma en que percibimos nuestro entorno determina la manera en que razonamos, vinculamos conceptos e ideas y las palabras que los describen. Es como aprendemos desde pequeños: tocando, mirando, oyendo, sintiendo nuestro mundo, no únicamente a través de texto.
Los modelos deben de poder mirar y reconocer objetos, personas y actividades para poder entender el lenguaje que los describe así como acceder a nociones más detalladas de causalidad, física e interacciones sociales.
Son estas facetas las que están explotando arquitecturas como DALL-E2 o Data2Vec.
Nivel 4: Aprendizaje interactuando con la máquina
Hasta aquí hemos interactuado con la vista y el oído. Aquí, damos un siguiente paso para sentir el mundo, tocarlo, y actuar con él para identificar sutilezas que nuestros ojos u oídos no son capaces de discernir.
Para ello, hay que complementar el aprendizaje a través de un diálogo interactivo hombre-máquina, traduciendo el lenguaje en acción a través de simuladores y robots comerciales.
Recapitulando hasta aquí, creo que se va a entender mejor con este ejemplo (también de la publicación): le preguntamos al sistema: “una naranja, ¿se parece más a una pelota de béisbol o a un plátano?”
En el nivel 1, el modelo solo puede contestar que los objetos son nombres comunes y que se puede agarrar.
En el nivel 2, el modelo conoce la forma de los objetos, pero no su textura, tamaño relativo o la resistencia a la deformación.
En el nivel 3, ya sabe tamaños pero no aprecia cuanta fuerza hay que ejercer sobre cada uno para deformarlo.
En el nivel 4, tiene claro que puede manipular las naranjas y las pelotas de béisbol de forma similar mientras que las frutas contienen piel, se deforman y son comestibles.
Nivel 5: Aprendizaje a partir del contexto social.
Por último, los cimientos de la aplicaciones de lenguaje natural son las comunicaciones interpersonales.
Estas tienen implícitas otras señales como la situación social, posición laboral, intención de la comunicación, etc. que complementan el significado del discurso, por lo que se tienen que enviar a la máquina junto con el resto de información.
Aún no está claro cómo se conseguirá extraer dichas señales, observadas a través de su efecto en el mundo, pero sí que se necesita un grado aún mayor de interacción donde las máquinas de procesamiento de lenguaje sean capaces de impactar en su entorno.
Fuente: Experience Grounds Language
💊 Píldoras de información
🔊Algunas cosas que han pasado
La nueva tienda de Zara en la Plaza de España de Madrid ya es totalmente digital. Además del pago y des-alarmado a través de las cajas de auto-pago que ya habíamos visto en otros establecimientos, la tecnología ahora permite reservar probadores a través de una aplicación.
Twitter es de Elon Musk. Se han hecho muchos análisis sobre el significado de esta transacción. A mí, me gusta este de Alex Kantrowitz en Big Technology donde analiza los cambios potenciales de la plataforma: identificar a las personas y eliminar robots, permitir el discurso libre, monetizar con suscripciones de pago, abrir los algoritmos de recomendación, facilitar las edición de los tweets y permitir un mayor número de caracteres.
Otra cosa no sé pero le va a dar vidilla al tema.
Gaphext presenta Graphext Fluid, una herramienta de análisis de datos no-code. En palabras de su CEO y Co-fundador Victoriano Izquierdo
El análisis de datos es iterativo: se comprueban los datos, se exploran, se crean modelos y se avanza y retrocede. Fluid consiste en adaptar Graphext para que ayude a los analistas a analizar los datos de forma más natural...
Ya no existía “esta persona”, ni “esta letra de una canción”. Ahora, es el turno de una inteligencia artificial “inventada” que da el pego con estas descripciones y fragmentos de código de modelos analíticos que no son de verdad.
Gracias a Adela por este artículo sobre los inicios de la analítica de datos en el fútbol. Cintas de vídeo VHS para compartir datos con Fiji para unos análisis de frecuencia anual. Y aún así se ganaban partidos.
Como diría el chiste: un inglés, un francés, un alemán y un español... Madrid se convierte en la cuarta ciudad financiera más potente de Europa.
⚓ Historias dentro de la historia.
Comparto este hilo de Twitter de libros y autores para iniciarse en la filosofía de Máximo Gavete. Me encanta la variedad.
🧰 Herramientas que te hacen ganar tiempo.
Os vuelvo a traer una herramienta relacionada con el lenguaje del día a día.
Fundéu es un consultor de dudas lingüísticas de español que ayuda a aclarar esas cuestiones de nuestro idioma que “nunca están tan claras”.
💻 Landing pages que venden con mirarlas.
Ya sabéis que suelo traer páginas web que me llaman la atención.
Descubrí Le Loup de Nashville a través de Rebecca Green y, como dice ella, el vídeo de la cabecera es una maravilla (sólo en PC).
No os perdáis la preparación de los cocktails.
‼️ Microsoft confidencial
Cuidado con en café en la república independiente de Microsoft de las oficinas de IBM en Boca Ratón.
¡Hasta pronto!
¡Ah! Si te ha gustado, te agradezco que compartas.
¡Qué maravilla los apartados del juego de confianza y la simplicidad!
Y en cuanto al procesamiento del lenguaje natural es muy interesante que el nivel más elevado de conocimiento se refiera al contexto social. Ya lo cuenta Harari, el homo sapiens está en la cúspide de las especies por su capacidad de ponernos de acuerdo para hacer cosas con un fin común.