\u00bfQu\u00e9 significa explicar realmente?<\/span><\/h2>\n <\/p>\n
las dudas est\u00e1n justificadas. Sobre todo, porque los modelos naturales son \u201cresultados de datos experimentales sin conocimiento previo\u201d. \u00bfNo provienen del pensamiento todos los conceptos fundamentales de la f\u00edsica: espacio, tiempo, movimiento, materia, fuerza, energ\u00eda, ondas, campos, por nombrar algunos? \u00bfC\u00f3mo quiere \u00abexplicar\u00bb un f\u00edsico artificial si no tiene \u00abconocimiento previo\u00bb, es decir, no comprende los t\u00e9rminos explicativos? Una respuesta negativa popular de los cient\u00edficos en primera l\u00ednea es: todav\u00eda estamos muy lejos de lo que se espera. Entonces, \u00bfpor qu\u00e9 no comenzar con algo m\u00e1s obvio? Por ejemplo, con una pregunta como: \u00bfQu\u00e9 significan realmente \u00abteor\u00eda\u00bb y \u00abexplicaci\u00f3n\u00bb?<\/p>\n
<\/p>\n
Me atrevo a dar aqu\u00ed la respuesta m\u00e1s simple posible: Teor\u00eda es pensar en subjuntivo, siempre comienza con la frase \u201cVamos a imaginar que. . .\u00bb o \u00ab\u00bfY si…? . .\u00bb. El empirismo, en cambio, es pensar en indicativo, comienza con la frase \u00abVeamos qu\u00e9 es\u00bb. . .\u00bb El prehom\u00ednido que hace 50.000 a\u00f1os no preguntaba simplemente \u00ab\u00bfD\u00f3nde est\u00e1 el mamut?\u00bb, sino \u00ab\u00bfD\u00f3nde podr\u00eda estar el mamut en estas condiciones clim\u00e1ticas?\u00bb, empez\u00f3 a teorizar. Los modelos no surgen por s\u00ed solos de los datos experimentales. No leemos la din\u00e1mica de los cuerpos celestes a partir de datos, sin importar cu\u00e1n grandes sean; la part\u00edcula de Higgs no se descubri\u00f3 a partir de correlaciones en el Gran Colisionador de Hadrones; y el c\u00e1ncer que no entendemos de las redes bayesianas. Sin teor\u00eda, la ciencia es causalmente ciega.<\/p>\n
<\/p>\n
La \u00abmaquinaria de inducci\u00f3n\u00bb respaldada por algoritmos nos proporciona respuestas a las preguntas qu\u00e9-d\u00f3nde-cu\u00e1ndo. No por qu\u00e9 preguntas. Cuanto m\u00e1s avanza el aprendizaje profundo, m\u00e1s necesitamos un pensamiento profundo que se ocupe de las causas explicativas. Queda por ver hasta qu\u00e9 punto podemos delegarlo en la m\u00e1quina. Visto correctamente, el \u00abcisma\u00bb apunta a un nuevo tipo de cooperaci\u00f3n entre el poder del cerebro y el poder de la computaci\u00f3n. En cualquier caso, el cerebro humano todav\u00eda tiene mucho por delante. Sobre todo gracias a los algoritmos.<\/p>\n
<\/p>\n
Siga a los editores cient\u00edficos de la NZZ Gorjeo<\/a>.<\/p>\n <\/p>\n <\/div>\n