Introducci贸n al conocimiento conectivo: Asociacionismo

ADVERTENCIA: Si es su primera vez por aqu铆, no olvide que al igual que cualquier persona, puedo estar equivocado. Consuma con precauci贸n. 馃檪

Otra m谩s. 聽Nueva secci贸n de mi traducci贸n de聽An introduction to connective knowledge聽de聽Stephen Downes, esta vez sobre asociacionismo. 聽 Vamos al grano:

——–

Una introducci贸n al Conocimiento Conectivo

por Stephen Downes (traducci贸n: Diego Leal)

a.聽Tipos de conocimiento

b.聽Interpretaci贸n

c.聽Emergencia

d.聽Fisicalidad

e. Prominencia聽e inferencia

f. Asociacionismo

Este proceso de inferencia tiene su historia en la filosof铆a bajo el t铆tulo de 鈥渁sociacionismo鈥, un tipo de razonamiento asociado (hasta el advenimiento del positivismo l贸gico) con la filosof铆a emp铆rica y personas como Hume y Mill.

La idea central del asociacionismo es la siguiente: dos cosas que son relevantemente similares se conectan en la mente. Esta conexi贸n o asociaci贸n a su vez permite que un conocimiento sobre una de ellas sea inferido de la otra. Por lo tanto, si experimentamos una criatura parecida-a-un-tigre y trat贸 de comernos, entonces, cuando vemos a otra criatura parecida-a-un-tigre relevantemente similar, somos llevados (como dir铆a Hume, de forma natural y sin sentido) a creer que tratar谩 de comernos tambi茅n. Con el tiempo, un complejo de creencias sobre las criaturas parecidas-a-un-tigre se forma y 鈥嬧媋lgunas, de hecho, se tornan lo suficientemente fuertes como para que podamos contemplar una nueva (y peligrosa) categor铆a de entidad, dado el nombre 鈥渢igre鈥.

Distintos tipos de asociacionismo existen, desde la asociaci贸n de impresiones postulada por Hume hasta la similitud de fen贸menos descrita por Tversky [12]. Dos tipos principales de asociacionismo son relevantes para nosotros aqu铆:

El primero es el asociacionismo simple, a veces conocido como “el asociacionismo de Hebb” [13] , que se postula a ser (y probablemente es) fundamental en la formaci贸n de conexiones neuronales en la mente (su aplicabilidad al mundo fuera de la mente es mucho menos evidente). El principio, en concreto, es que si dos neuronas disparan al mismo tiempo, una conexi贸n tender谩 a formarse entre ellas. Esto es, por supuesto, una hip贸tesis de tipo 鈥渆xcluyendo todo lo dem谩s鈥: las neuronas tienen que ser el tipo de neuronas que pueden formar conexiones, es necesario que haya alg煤n tipo de proximidad entre ellas, y necesitan ser (computacionalmente y f铆sicamente) compatibles entre s铆. Muy parecido a una historia de amor.

El segundo puede ser clasificado bajo el (inadecuado) t铆tulo de asociacionismo de Boltzmann聽[14]. Derivado de la idea de la m谩quina de Boltzmann, este tipo de asociacionismo es una expresi贸n de (algo as铆 como) las fuerzas termodin谩micas. Piense en ello como la red tratando de asentarse en un estado “balanceado” o “armonioso”. La idea detr谩s del asociacionismo de Boltzmann es que una cierta cantidad de energ铆a aplicada a un sistema crear谩 una cierta cantidad de cin茅tica – en otras palabras, su cerebro sigue pensando a pesar de no recibir entradas. En ausencia de influencias externas que causen conexiones de Hebb, el cerebro se asienta en una configuraci贸n (termodin谩micamente) estable.

Si tales modos de asociacionismo o cualquier otro m茅todo de formaci贸n de conexiones est谩n operando dentro de un sistema particular es una pregunta de observaci贸n emp铆rica. Probablemente, en cualquier sistema dado, ser谩 una combinaci贸n. Y como antes, adem谩s de los mecanismos espec铆ficos de construcci贸n de conexiones ser谩n necesarios factores posibilitadores, tales como la proximidad, y factores de correcci贸n, como es descrito por la retropropagaci贸n聽[15].

Entendemos la similitud lo bastante bien en relaci贸n con la cualidad y la cantidad. Las cosas pueden ser m谩s o menos parecidas – grandes, redondas y de color naranja, por ejemplo. Y podemos ver c贸mo, a trav茅s de esta similitud, puede formarse una asociaci贸n – nuestra percepci贸n de (lo que interpretamos como) dos fen贸menos diferentes de color naranja nos lleva a generar una asociaci贸n entre ellos. Las cantidades, tambi茅n, est谩n asociadas: nunca hemos experimentado una lluvia de seis pulgadas de leche, pero podemos imaginar f谩cilmente c贸mo ser铆a, con base en nuestras experiencias con seis pulgadas de agua.

En el caso de las conexiones, el concepto de similitud es menos intuitivo, pero se divide en dos categor铆as principales:

En primer lugar, podemos decir que dos entidades son conectivamente similares si comparten conexiones con el mismo conjunto de entidades. Por ejemplo, Michael y yo podemos ser conectivamente similares, incluso si nunca nos hemos conocido, si compartimos el mismo grupo de amigos. Por supuesto, tal similitud hace que sea m谩s probable que una conexi贸n se forme entre nosotros: pero es importante tener en cuenta la direccionalidad aqu铆. La similitud precede a la conexi贸n.

En segundo lugar, podemos decir que dos entidades son conectivamente similares si comparten conjuntos de conexiones similares. Por ejemplo, Paul y Michelle pueden ser activistas pol铆ticos, pero trabajando para diferentes partidos pol铆ticos. En tal caso, ellos compartir谩n los mismos tipos de conexiones, pero con diferentes conjuntos de amigos. Tales conjuntos de conexiones son (m谩s o menos) isomorfas. Vale la pena se帽alar que este isomorfismo tender谩 a conducir a una conexi贸n entre los dos grupos (los partidos pol铆ticos tienden a interactuar con otros partidos pol铆ticos, pero mucho menos con los equipos de hockey), lo que a su vez conduce de nuevo a conexiones entre los miembros.

Notas y referencias

[12]聽聽 Amos Tversky. 2003. Preference, Belief, and Similarity: Selected Writings. MIT Press.

[13]聽聽 Pim Haselager. 1999. Neurodynamics and the Revival of Associationism in Cognitive Science. In A. Riegler, M. Peschl, & A. Von Stein (Eds.), Understanding Representation in the Cognitive Sciences. Kluwer Academic / Plenum Publ. http://www.nici.kun.nl/~haselag/publications/NeuroAssoc99.pdf

[14]聽聽 G.E. Hinton and T.J. Sejnowski. 1989. Learning and Relearning in Boltzmann Machines. In David E. Rumelhart and James L. McClelland, Parallel Distributed Processing: Explorations in the Microstructure of Cognition, Volume 1. MIT Press.

[15]聽聽 D.E. Rumelhart, G.E. Hinton, and R.J.Williams. 1989. Learning Internal Representations by Error Propagation. In David E. Rumelhart and James L. McClelland, Parallel Distributed Processing: Explorations in the Microstructure of Cognition, Volume 1. MIT Press.

———-

Esencialmente, lo que est谩 detr谩s de este fragmento tiene que ver con isomorfismo (que en s铆 mismo es un 谩rea de estudio bastante grande). 聽Es importante resaltar que, aunque Stephen habla de isomorfismo, tal vez la 煤nica forma de verificar tal condici贸n es mediante representaciones de las entidades y conexiones. 聽Esto es, mediante un grafo (o una representaci贸n equivalente). El asunto es que, cuando se trata de grafos, el problema del isomorfismo no es sencillo, y mucho menos si estamso hablando del volumen de entidades y conexiones existentes en, por ejemplo, un partido pol铆tico.

As铆 que podr铆amos decir que este fragmento es especulativo, pues no contamos a gran escala con los mecanismos para verificar el isomorfismo. 聽Podemos, a un nivel global, reconocer un patr贸n que se repite (y que nos permite decir que este es un partido pol铆tico y no un equipo de hockey), pero todav铆a (hasta donde s茅) no es tan sencillo hablar de verificar el isomorfismo a gran escala (tomando conjuntos completos de entidades y conexiones).

Por supuesto, eso no quiere decir que no sea posible verificar hasta qu茅 punto Paul, Michelle o Michael son conectivamente similares. De eso se trata, justamente, una plataforma como Facebook, y eso es lo que est谩 detr谩s de la promesa de la publicidad focalizada. 聽Un sistema de recomendaci贸n suele operar, en esencia, identificando esos isomorfismos entre entidades.

Por ejemplo, para el caso de Amazon hay m煤ltiples grafos subyacentes, que me conectan a mi (como usuario de un navegador web) con las consultas que he realizado en un per铆odo de tiempo y聽mi (como individuo) con las compras que he realizado. 聽Obviamente, hay un ‘bonus’ de informaci贸n para Amazon si, adem谩s de consultar, estoy registrado en ese momento. 聽En t茅rminos sencillos, si Pedro ha comprado un conjunto similar de libros o ha realizado un conjunto similar de b煤squedas a los m铆os (esto es, si nuestros grafos son parcialmente isomorfos), hay una mayor probabilidad de que las cosas que no coinciden en nuestros grafos sean de inter茅s para el otro. Libros que Pedro compr贸, en categor铆as similares a las que yo compro, podr铆an ser de inter茅s para mi.

O tome el caso de Facebook. 聽Cuando esta plataforma me sugiere “personas que 聽podr铆a conocer”, lo que est谩 haciendo es evaluar conjuntos de conexiones entre entidades, e identificando aquellas conexiones que podr铆an聽estar faltando. 聽Cada click que hacemos fortalece la cuantificaci贸n de un lazo existente. 聽Si identifico a ciertas personas en fotograf铆as y yo estoy con ellas, y esas personas est谩n en otras fotos en las que yo no estoy con otras personas, existe una probabilidad de que yo conozca a estas 煤ltimas. 聽Cuando aceptamos las sugerencias de Facebook, ayudamos al algoritmo a mejorar. Pero al mismo tiempo, le estamos entregando informaci贸n valiosa acerca de nuestros contactos (y por ende, sus gustos) y, en consecuencia, sobre nuestros propios h谩bitos. 聽Es por eso que evito compartir fotos en Facebook.. 馃檪

La charla TED de Eli Pariser, que tanta divulgaci贸n obtuvo el a帽o anterior, habla justamente de una consecuencia (entre tantas) de esos procesos de identificaci贸n de la informaci贸n y h谩bitos individuales, y de lo que ocurre cuando el software empieza a decidir qu茅 es lo que me interesa, esto es, cuando la representaci贸n de las conexiones es usada para generar visiones parciales (filtradas) del mundo.

El asunto se pone a煤n m谩s inquietante. Hay una raz贸n por la cual ya no uso gmail, y es que hace unos a帽os escrib铆 un correo para alguien, hablando sobre unas pruebas de impresi贸n. 聽De inmediato, los anuncios comerciales ten铆an que ver con papeles, servicios de impresi贸n, etc. Eso tampoco es nuevo, y de hecho se indica de manera clara en la interfaz de gmail. 聽Y aunque uno podr铆a ocultar los anuncios usando cosas como Ad Block Plus, el punto es que cualquier cosa que escribimos (y todos los clicks que hacemos) est谩n siendo analizados con un 煤nico fin: vender mejor.

Por supuesto, no hay una salida sencilla para esta situaci贸n. Es clara la dificultad de mantenerse al margen de esto (y ser铆a ingenuo pensar que es sencillo hacerlo) y sin duda obtenemos innumerables beneficios gracias a estas tecnolog铆as y a este monitoreo constante (驴o no?). Pero es importante no perder de vista la motivaci贸n que sigue detr谩s, para no terminar pasando por ingenuos o por meras cajas de resonancia.

As铆 que esa es una posible aplicaci贸n de entender la similitud cuando hablamos de conexiones. 聽En todo caso,聽Stephen est谩 hablando aqu铆 de sistemas complejos adaptativos (las redes sociales humanas son un ejemplo de ellos) y empieza a sugerir las implicaciones que tal mirada puede tener. 聽No entiendo a煤n muy bien la elecci贸n que hace de los dos tipos de asociacionismo (驴por qu茅 no otros? 驴hay m谩s?), pues no percibo que existan unas diferencias tan fuertes entre ellos. 聽Ahora, es importante tener presente que, al menos en este fragmento, Stephen est谩 sugiriendo algo que tendr铆a que ser justificado m谩s adelante: que hay una equivalencia (para no usar de nuevo la palabra isomorfismo) entre lo que ocurre en la mente y lo que ocurre en la red externa. 聽Los dos tipos de asociacionismo presentados tienen que ver con la mente, pero los ejemplos elegidos al final son de redes sociales.

Es claro que presentar un ejemplo de similitud basado en el cerebro es dif铆cil (y puede volverse bastante t茅cnico), pero la implicaci贸n es importante. 聽Parafraseando a otra 谩rea (bastante ajena), como afuera es adentro y como adentro es afuera. 聽Reconocemos en el entorno los patrones que podemos identificar seg煤n nuestras conexiones neuronales pero, cuando el entorno cambia, nuestras conexiones cambian. 聽Y cuando nuestras conexiones cambian, podemos percibir nuevas cosas en el entorno. 聽Hay una retroalimentaci贸n constante.

Stephen no indica, en todo caso, c贸mo operan los dos tipos de asociacionismo cuando se trata de conexiones entre humanos. Pero podemos dejar pasar este detalle recordando que, despu茅s de todo, estamos hablando acerca del conocimiento. Los siguientes fragmentos profundizar谩n un poco m谩s en esta distinci贸n/equivalencia entre el adentro (la red neuronal) y el afuera (la red social externa).

Sobre el autor

Soy Diego Leal . Quiero entender c贸mo funciona el mundo y ayudar a otros a hacerlo. Para ello trabajo en el dise帽o e implementaci贸n de experiencias de aprendizaje en red con uso de tecnolog铆a, que nos den pistas sobre c贸mo podemos aprovechar el potencial de los recursos con los que contamos para mejorar nuestro entorno. Me sorprende lo poco que sabemos y lo mucho que creemos saber.

漏2017 Diego E. Leal Fonseca. Partes de este sitio est谩n disponibles bajo licencia Creative Commons BY-NC-SA

Log in with your credentials

Forgot your details?