Highlighted

Los métodos basados en datos sufren en general lo que podríamos denominar como «una restricción empírica».

La suposición de frecuencia entra en juego porque, en general, a mayor frecuencia de resultados con esa característica, más útil resultará para el entrenamiento. En la ciencia de datos, esto es necesario; si las características de los datos son aleatorias, no se puede aprender nada

Aprender consiste en «mejorar unas prestaciones basándose en la experiencia»

Es como buscar las llaves debajo de una farola porque allí hay más luz que donde se han caído.

En 2013, Viktor Mayer-Schönberger y Kenneth Cukier admitían ya en su best seller Big Data. La revolución de los datos masivos que «no existe una definición rigurosa de big data»

En un plazo de treinta años dispondremos de los medios tecnológicos para crear una inteligencia superhumana. Poco después, la era de la humanidad habrá acabado … Creo que es justo definir este acontecimiento como una singularidad.

Futurólogos como Ray Kurzweil y el filósofo Nick Bostrom, prominentes proveedores del mito, hablan no solo como si la IA de nivel humano resultara inevitable, sino como si, al poco de su llegada, las máquinas superinteligentes fueran a dejarnos muy atrás.

Decir que los ordenadores piensan es como decir que los submarinos nadan.

El éxito en las aplicaciones débiles no nos acerca ni un solo paso a la inteligencia general.