¡Dios debe ser un científico (I)!

A medida que aprendo y obtengo una comprensión más profunda de los algoritmos de IA y miro retrospectivamente la vida, ¡muchas cosas se ven muy similares! Aquí están mis pocas observaciones.

1) Muchos de mis amigos y hermanos que fueron comprados en situaciones similares a las mías durante mi infancia ahora son completamente diferentes. Esto me recuerda a un problema de regresión (suponiendo que la variable objetivo es una métrica de éxito/felicidad (o cualquier otra) con un rango de 0 a 100). Aunque todos podemos tener algunas características (situaciones/características) con valores que son iguales mientras crecíamos, hay muchas características desconocidas con valores diferentes, lo que causa toda la diferencia en su vida actual. A menudo me pregunto cómo somos completamente diferentes ahora a pesar de que tenemos muchos puntos en común.

2) Juzgamos a los demás con solo algunas características (¡características!) que conocíamos sobre ellos y, a menudo, nos preguntamos cómo tienen éxito o no. Puede haber otras características (características) que podríamos haber pasado por alto por completo y que habrían causado toda la diferencia. Entonces, cuando juzgamos a otras personas como exitosas/no exitosas, felices/no felices, etc., a menudo lo hacemos con nuestro conocimiento limitado.

3) Tendemos a gustar de las personas que tienen características similares a las nuestras y tratamos de hacer amistades solo con ellos. Esto me recuerda cómo funciona el algoritmo K-NN. Un individuo con ciertas características, tiende a ser vecino/amigo de un grupo similar de personas. ¡Pájaros del mismo plumaje vuelan juntos!

4) Toda la población del mundo sigue mágicamente una distribución similar a una curva de campana. Hay personas extremadamente ricas, extremadamente pobres y la mayoría de las personas están en algún punto intermedio con un grado variable de riqueza. Se pueden observar patrones similares para otras características como inteligencia, creatividad, romance, espiritualidad, autoritarismo, etc.

5) Al igual que los algoritmos de agrupamiento, tendemos a vivir en áreas o trabajar con grupos de personas que casi tienen características similares a las nuestras. A veces podemos ser atípicos y podemos pensar que somos inadaptados en el grupo actual (¡sociedad!).

6) Cada vez que tratamos de elegir un producto como un automóvil, un teléfono móvil, etc., le damos más peso a algunas funciones y menos peso a otras. Estos se realizan de forma consciente o inconsciente. Esto es como nuestro algoritmo MCDM como TOPSIS.

7) No deberíamos quedar atrapados en la maldición de la dimensionalidad mientras tomamos decisiones. Deberíamos considerar todas las dimensiones, pero reducir las innecesarias como la reducción de dimensionalidad.

8) Donde hay mayor varianza, hay más información. Esto es como si recordáramos solo aquellos días que son significativamente diferentes de los demás. Nuestros días típicos aleatorios generalmente se olvidan en unos pocos meses.

9) Como un algoritmo de refuerzo, tratamos de aprender de nuestros errores y tratamos de no repetirlos en situaciones consecutivas.

10) Todos sabemos que las redes neuronales están inspiradas en el cerebro humano. Tomamos decisiones en nuestra vida basadas en vastas experiencias de nuestro pasado. Estas experiencias dejan sus sesgos y ponderaciones en nuestras neuronas. A veces hacemos una acción, cuando el grupo particular de neuronas se dispara después de cruzar un nivel de umbral. Muchas veces, estos pesos son sesgos que se forman inconscientemente en nuestros primeros días de vida. Así que a menudo culpamos a nuestro destino, si algo no funciona bien en nuestra vida.

11) Esto me lleva al punto interesante de que la forma en que codificamos nuestras experiencias en nuestra mente determina en gran medida la calidad de vida. Si codificamos conscientemente, incluso las experiencias negativas pueden verse como una oportunidad para expandir nuestra conciencia. Debemos propagarnos hacia atrás si nuestro sistema de creencias actual (peso y sesgos) no nos da el resultado esperado. Nuestras tasas de aprendizaje no deberían desaparecer como gradientes que se desvanecen. Esto se relaciona con la cita: "Para cambiarnos a nosotros mismos de manera efectiva, primero tuvimos que cambiar nuestras percepciones" (¡nuestros pesos y sesgos!)

12) Aprendizaje por refuerzo: las experiencias negativas hacen que no hagamos ciertas acciones debido al dolor asociado con ellas y las experiencias positivas nos hacen hacer ciertas cosas debido a los placeres asociados con ellas.

Finalmente, un pensamiento loco:

en dimensiones más altas, las medidas de distancia euclidianas fallan. Lo que significa que los puntos que parecen tener menos distancia euclidiana pueden estar muy lejos y viceversa. Esto a menudo me recuerda cómo los seres de dimensiones superiores pueden teletransportarse de un lugar a otro en una fracción de segundo.

Hay muchas otras similitudes en las que puedo pensar, pero no podría expresarlas con palabras. Estas cosas me hacen darme cuenta de que las situaciones son puntos de datos con varias características y diferentes valores asociados con ellos y todos somos como las máquinas de IA que los procesan. Cada uno lo procesa de manera diferente y produce resultados diferentes. Hemos heredado el mismo hardware pero la parte del software de IA está en nuestras manos. ¡Necesitamos cambiarlo, ajustar los hiperparámetros, medirlo con nuestras propias métricas y corregirlo continuamente para obtener un buen resultado (experiencia en la vida)!