Una IA es sólo estadística aplicada: no tiene creatividad. Sólo copia ideas y las combina, pero no es capaz de generar estructuras nuevas sin nuevos inputs de los que copiar... aunque es capaz de ver patrones estadísticos que se escapan a nuestras limitada teoría estadística en cuya metodología tenemos que aislar los datos de un entorno que por naturaleza es altamente diverso.
Un ejemplo: podemos medir los efectos
secundarios de un medicamento pero no todas sus interacciones y
contextos, sin embargo una IA si que puede encontrar patrones pues es
capaz de aislar los datos automáticamente o de encontrar esos patrones incluso si esos datos no están aislados. Sin embargo una IA no va a poder distinguir si dos correlaciones no están relacionadas realmente... Lo va a tomar por lo mismo.
Sin embargo: alguien inteligente
haciendo DataScience de un enorme conjunto de datos también puede llegar
a esas mismas conclusiones y extraer auténtico conocimiento. La IA es buena pero no tanto como parece, sin
embargo ambos métodos son una ventaja comparado con lo limitado de las
metodologías estadísticas actuales que trabajan con muestras de como
mucho unos pocos miles, en comparación con el Data Sciencie y la Ia que pueden trabajar con una cantidad de datos masiva.
¿Y en qué se diferencia la IA del Data Science? La IA puede darnos pistas o respuestas pero no puede explicárnoslas al 100% ni crear nuevo conocimiento pues carece de creatividad, sólo dibuja un cuadro donde se cumple la estadística sin entenderla. A través del DataScience descubrimos de verdad qué sucede. En todo caso ambas son herramientas de investigación que sustituirán o apoyarán a las limitaciones de la metodología estadística actual... pero no son un sustituto de la propia investigación.
No hay comentarios:
Publicar un comentario