.

.

“…como todo el mapa, en esencia, ¿no? Y lo hacen estadísticamente, lo hacen matemáticamente.

Así que lo que eso significa ahora es que si estos modelos se programan honestamente y se entrenan honestamente –algo muy difícil de manejar– entonces podemos usar las estadísticas para evaluar la estructura implícita del significado, ¡y eso es lo que los críticos literarios han estado haciendo desde siempre!

Cuando Harris discutió conmigo, dijo: “Bueno, esa es solo tu interpretación de los textos bíblicos –lo que lo convirtió instantáneamente en un posmodernista, ¿no?– hay un número infinito de interpretaciones de cualquier texto y no hay un orden canónico entre ellas”.

Esa es la afirmación posmodernista: la falta de metanarrativa, digamos, lo que significa que no hay unión, no hay comprensibilidad. Significa que todo se fragmenta, en última instancia. Que es lo que querían, para poder bailar en las ruinas y perseguir su propia gratificación a corto plazo con el poder como su hipotético guardián y guía. Terrible. ¡Estas interpretaciones no son arbitrarias! No son arbitrarias, están codificadas en el lenguaje. Sin esa codificación, su lenguaje no sería comprensible”.

JORDAN PETERSON dixit

.

.

¿Por qué el teorema de Bayes es relevante en la IA?

El teorema de Bayes es muy relevante en la IA debido a su capacidad para manejar la incertidumbre y tomar decisiones basadas en probabilidades. He aquí por qué es crucial:

• Razonamiento probabilístico: en muchos escenarios del mundo real, los sistemas de IA deben razonar bajo incertidumbre. El teorema de Bayes permite que los sistemas de IA actualicen sus creencias en función de nuevas evidencias. Esto es esencial para aplicaciones como los vehículos autónomos, donde el entorno cambia constantemente y los sensores brindan información ruidosa.
• Aprendizaje automático: el teorema de Bayes sirve como base para los enfoques de aprendizaje automático bayesiano. Estos métodos permiten que los modelos de IA incorporen conocimientos previos y actualicen sus creencias a medida que ven más datos. Esto es particularmente útil en escenarios con datos limitados o cuando se trata de relaciones complejas entre variables.
• Clasificación y predicción: en tareas de clasificación, como la detección de correo electrónico no deseado o el diagnóstico médico, el teorema de Bayes se puede utilizar para calcular la probabilidad de que una entrada determinada pertenezca a una clase particular. Esto permite que los sistemas de IA tomen decisiones más informadas en función de la evidencia disponible.
• Detección de anomalías: el teorema de Bayes se utiliza en la detección de anomalías, donde los sistemas de IA identifican patrones inusuales en los datos. Al modelar el comportamiento normal de un sistema, el teorema de Bayes puede ayudar a detectar desviaciones de esta norma, lo que indica posibles anomalías o amenazas a la seguridad.

.

Tipos de Verdades

La noción de verdad es compleja y se puede clasificar en varios tipos, cada uno con características distintas. Aquí te presento algunos de los tipos más reconocidos:

1. Verdad Absoluta: Se refiere a una verdad que es invariable y universal, independientemente de las circunstancias o percepciones individuales. Por ejemplo, afirmaciones matemáticas como «2 + 2 = 4» son consideradas verdades absolutas.
2. Verdad Relativa: Esta verdad depende del contexto o de la perspectiva desde la cual se observe. Lo que puede ser verdadero para una persona o cultura puede no serlo para otra. Por ejemplo, las creencias culturales pueden variar y ser consideradas verdaderas dentro de su contexto específico 
3. Verdad Objetiva: Se refiere a hechos que son verificables y no dependen de opiniones o creencias personales. Por ejemplo, «el agua hierve a 100 grados Celsius a nivel del mar» es una verdad objetiva.
4. Verdad Subjetiva: Esta verdad está basada en experiencias personales y percepciones individuales. Lo que una persona siente o cree puede ser verdadero para ella, aunque no sea verificable por otros.
5. Verdad por Consenso: Se refiere a aquellas verdades que son aceptadas por un grupo o sociedad, aunque no sean necesariamente objetivas. Por ejemplo, las normas sociales pueden ser vistas como verdades por consenso.
6. Verdad como Utilidad: Este tipo de verdad se basa en la utilidad de una afirmación o creencia en la práctica. Si algo funciona en la vida cotidiana, puede ser considerado verdadero en ese contexto 
7. Verdades Epistémicas: Estas son verdades relacionadas con el conocimiento y pueden ser analíticas (verdades que son verdaderas por definición) o sintéticas (verdades que requieren verificación empírica) 

Conclusión

La verdad es un concepto multifacético que puede ser abordado desde diferentes perspectivas filosóficas y contextuales. Cada tipo de verdad tiene su propio lugar y relevancia en el discurso humano, lo que refleja la complejidad de la realidad y la percepción.

.

MEEEEEEEEEC. ERROR.

.

.

Chatgipití ahí la caga: toda afirmación matemática es considerada «verdad absoluta» en última instancia POR CONSENSO. Ergo NO es «absoluta».

SE ADMITE SIN DE-MOS-TRA-CIÓN!

PRINCIPIOS IN-DE-MOS-TRA-BLES!

.

.

Y sin embargo, qüerido Míster Piterson, en mi muy humildísima opinión de absoluto, completo y plenamente lego en la materia (como en tantísimas otras cosas…)… ¿son los postulados de Euclides en Los Elementos necesariamente ciertos?

¡TODA la Matemática es una GIGANTESCA TAUTOLOGÍA! Y está bien que asín sea, claro.

.

.

.

.

Si la naturaleza de la «Verdad» fuese estadística (que no lo sé), esto PROBARÍA SIN GÉNERO DE DUDAS , justito lo opuesto a lo que está deduciendo JP: que lógicamente hablando, la «Verdad» es axiomática (y como tal, no probable -del verbo probar aka demostrar-, por arbitraria) y en todo caso se ubicaría en el inaccesible infinito, ¿correcto?

.

.

.

.

¡Oho cuidao! Que yo simplemente pasaba por aqüí desde la barra del bar…

.
.

.

(+like por el Mazinger Z マジンガーZ de cartón-piedra)

.

.