De cara a nuestro equipo de trabajo, dentro de la empresa Siglo XXII, nos planteamos el reto del coronavirus como una forma de llevar a la práctica todo el estado de la cuestión sobre Machine Learning, y someter a praxis los algoritmos que hasta la fecha se usan en este campo más frecuentemente.

Era por tanto de obligado cumplimiento empezar por el primero de los algoritmos más básicos de regresión, que lleva por nombre modelo de regresión lineal.

Con la aplicación de este modelo a los primeros datos que fuimos teniendo del coronavirus en España nos dimos cuenta en seguida (no hay que ser un lince para descubrirlo) que no era un modelo adecuado al problema intelectual que nos estábamos planteando resolver.

Entre otras muchas razones, la principal es que de la observación y análisis de los datos dedujimos que el crecimiento de los casos pasó muy rápidamente de ser lineal a ser exponencial. Por tanto, descartamos dicho algoritmo.

Aún así, como siempre decimos, hay que pasar por todas las etapas, aunque sea de puntillas, y sabiendo que no va a funcionar, porque estamos haciendo ciencia occidental, basada en el paradigma empírico, donde el método ensayo-error, es uno de los pilares más importantes de dicho paradigma. Por otro lado, dicha práctica de ensayo y error es, junto con la imaginación, una de las fuentes de aprendizaje más importantes del ser humano.

Para aprendices, neofitos, lingüistas o humanistas digitales que se asoman por primera vez al mundo de la inteligencia artificial y, dentro de ella, a los lares del machine learning, pasen y vean, qué es lo que pasa cuando se aplica un algoritmo a unos datos detrás de los cuales se esconde una estructura de la información diferente a la que dio lugar a dicho algoritmo.

Recurriendo a la teoría de la información de La Gramática del Universo, este sería un caso de matching cero, dentro de la aplicación de la ley del pattern matching.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *