Unha lección, amarga?
en 2019 Rich Sutton publicou o ensaio The Bitter Lesson. Publicara algunhas das súas opinións sobre os que exercían a súa intelixencia artificial e axitounas. Dábanse conta do que dixera cando os escribiu. A práctica xa demostrara que estabamos na era do cambio profundo. A axitación non se debía tanto á orixinalidade das ideas emitidas, senón á formulación tan xeral e categórica das mesmas.
E que argüía Sutton sobre ese tal The Bitter Lesson?
Dixo que os avances máis significativos na intelixencia artificial non se deberon á imitación do entendemento humano, senón á explotación de métodos xerais mediante a escala da capacidade de computación. É dicir, máis que recorrer ao coñecemento humano especializado, era preferible utilizar algoritmos xerais de procura e aprendizaxe en máquinas de alto poder computacional. Sutton sabía que para cando escribiu esta afirmación provocaba frustración nos que traballaron durante moito tempo nun traballo de investigación minucioso. Por iso chamoulle “unha lección amarga”.
Tiña xa algúns exemplos. O método da computadora que gañou a Kaspárov en 1997 baseábase na procura masiva e profunda, e non no coñecemento específico do xadrez que os investigadores de xadrez computacional desenvolveran até entón.
Esta lección veu a reforzar a aprendizaxe profunda, no que a dependencia do coñecemento humano é aínda menor. Si disponse de grandes conxuntos de datos e capacidade de computación para procesalos, os procesos xerais de aprendizaxe serven para diferentes tarefas. É un patrón xeral e así se aplica en moitas áreas.
Tamén no procesamiento da linguaxe impúxose esta paradigma, o que provocou unha crise na lingüística computacional clásica. Para que ensinar aos sistemas morfologías, sintaxes, etc.? Para que, si das grandes coleccións de textos aprenden bastante ben sen coñecementos lingüísticos adicionais? Onde quedaron eses traballos de formiga para describir a descrición computacional da linguaxe? Que é a nostalxia.
Con todo, é certo que hai autores que non están completamente de acordo coa lección de Sutton e, aínda que moitos a admiten como principios orientadores, non a consideran como dogma universal. Entre as críticas destacan tres. Primeira: o principio de "computación cada vez máis" non é viable porque a computación non é un recurso infinito.
Segundo: a eficacia é importante, polo que hai que buscar o modo óptimo de escalar, equilibrando os datos e a capacidade do modelo. Terceiro: A pesar de que os métodos xerais son potentes, o aumento do coñecemento experto segue sendo beneficioso en moitos contextos, especialmente cando hai datos limitados.
Precisamente, e en relación a esa terceira crítica, que pasa cos modelos lingüísticos que falan en eúscaro? Algúns deles están a traballar con pulcritude (mesmo sen ter euskaldunes nos grupos de traballo), pero tamén se detectan carencias, tanto na calidade do eúscaro como na islan que ten a cultura vasca.
Así pois, os vascos sabemos como facer fronte á frustración provocada pola lección de Sutton: atopemos camiños para enriquecer o noso coñecemento con eses sistemas negros que son tragadores de datos.
Buletina
Bidali zure helbide elektronikoa eta jaso asteroko buletina zure sarrera-ontzian