El desafío crucial. José Antonio Bustamante

nivel individual, grupal u organizacional, no van servir de mucho si no se practican de modo aplicado a la solución de problemas concretos u oportunidades detectadas que ofrezcan posibilidades no exploradas. Es por ello que en la tercera parte del libro se avanzará en la definición de tres prácticas que sirvan de facilitadores y complemento para el modelo C-Nova. La primera de ellas será el uso de herramientas de modelamiento sobre la base de prototipos y modelos computacionales, que además generen aprendizaje continuo, como una forma de hacer tangibles las ideas o propuestas de solución que se obtengan para generar valor, iniciando así una espiral indefinida en la creación de nuevo conocimiento. La siguiente práctica estará relacionada con la implementación de un sistema, con soporte tecnológico, para intercambiar, registrar y transferir el nuevo conocimiento, de un modo que se transforme en un activo intelectual de quien lo posea, sea éste una persona, un equipo o una organización completa. Por último, una práctica de especial importancia para los líderes, ya sea con emprendimientos propios o trabajando en una empresa, será definir lo que podríamos llamar un “campo de acción” donde ocurran las cosas, donde tengan lugar las instancias para pensar de acuerdo con el modelo C-Nova. Este campo para practicar, aprender y aplicar podrá tomar la forma de proyectos para dar solución a problemas complejos, talleres de aprendizaje de competencias, reuniones de trabajo en equipo, comunidades internas de práctica o, en una forma global, en la creación o cambio de cultura dentro de una organización que promueva decididamente este tipo de iniciativas, teniendo como centro la búsqueda de respuestas adaptativas a las demandas de un mundo cada vez más complejo y dominado por los avances y temores sobre la tecnología.

      Éste es un camino sin retorno, pero también un desafío de gran alcance, que si somos previsores y empezamos desde ahora a recorrerlo, yendo al encuentro de las raíces del conocimiento, para transformarlo después en estrategias de pensamiento crítico, creativo, sistémico y algorítmico, que podremos aplicar en nuestros respectivas áreas de interés, sentiremos que estamos mejor preparados para hacer frente a la avalancha tecnológica y a las amenazas que presenta el trabajo en el futuro. Podremos afirmar sin duda lo siguiente: “Nunca pongas un punto final donde el Universo puso una coma, ya que la historia continuará...”.

      Parte I

      En busca de la llave maestra

      El retorno a las fuentes del conocimiento

      No debemos dejar de explorar y al final de nuestra exploración será que lleguemos adonde empezamos y conozcamos el lugar por primera vez.

      T. S. Eliot

      De modo sorprendente, los teóricos en máquinas de aprendizaje están proponiendo una audaz tesis: consideran que es posible llegar a encontrar un algoritmo, es decir el conjunto de reglas e instrucciones precisas, que sea capaz de construir cualquier tipo de conocimiento. Si bien entienden que este objetivo hoy es poco realista, de lograrse respondería una serie de preguntas que a muchos les preocupa: ¿cómo aprendemos?, ¿hay una mejor forma?, ¿qué capacidad de predecir tiene lo que se sabe?, ¿podemos confiar en lo que conocemos y aprendemos? Como avance en el logro de este propósito la disciplina del aprendizaje de máquina ya posee cinco “escuelas de pensamiento” que constituyen el enfoque específico desde donde abordan actualmente su trabajo. Cada una de estas escuelas tiene su propio learner (así se denominan los algoritmos que son capaces de construir otros algoritmos) de fines generales que pueden usar en principio para extraer conocimiento desde los datos de un campo de acción determinado (industria, finanzas y muchos otros). Estos algoritmos tienen aplicaciones que dan resultados y son exitosas en hacer ciertas cosas, pero no otras. El pretender hacer uno que combine las mejores cosas de aquellos específicos en un área, sería el algoritmo maestro final, algo así como conseguir la teoría unificada en la Física, derivando todo el conocimiento del mundo respecto del pasado, presente y futuro, a partir de fuentes de datos determinados.

      De modo sorprendente, los teóricos en máquinas de aprendizaje están proponiendo una audaz tesis: consideran que es posible llegar a encontrar un algoritmo, es decir el conjunto de reglas e instrucciones precisas, que sea capaz de construir cualquier tipo de conocimiento. Si bien entienden que este objetivo hoy es poco realista, de lograrse respondería una serie de preguntas que a muchos les preocupa: ¿cómo aprendemos?, ¿hay una mejor forma?, ¿qué capacidad de predecir tiene lo que se sabe?, ¿podemos confiar en lo que conocemos y aprendemos? Como avance en el logro de este propósito la disciplina del aprendizaje de máquina ya posee cinco “escuelas de pensamiento” que constituyen el enfoque específico desde donde abordan actualmente su trabajo. Cada una de estas escuelas tiene su propio learner (así se denominan los algoritmos que son capaces de construir otros algoritmos) de fines generales que pueden usar en principio para extraer conocimiento desde los datos de un campo de acción determinado (industria, finanzas y muchos otros). Estos algoritmos tienen aplicaciones que dan resultados y son exitosas en hacer ciertas cosas, pero no otras. El pretender hacer uno que combine las mejores cosas de aquellos específicos en un área, sería el algoritmo maestro final, algo así como conseguir la teoría unificada en la Física, derivando todo el conocimiento del mundo respecto del pasado, presente y futuro, a partir de fuentes de datos determinados.

      Si comparamos los objetivos que pretenden alcanzar algunos de los más importantes expertos en inteligencia artificial respecto del conocimiento y los medios para alcanzarlo, con aquellos pensadores preocupados por el tema desde la antigua Grecia, surgen varias conclusiones que nos pueden ayudar a avanzar en identificar, descubrir y luego gestionar este importante activo por profesionales, equipos, organizaciones de manera de generar valor: Desde los albores de la civilización se han planteado las interrogantes acerca de cuál es proceso que nos permite conocer, aprender y aplicar lo que sabemos y cuales son límites del mismo. Por otra parte, en el transcurso de este devenir por la filosofía, la psicología, las neurociencias, la lingüística y hasta en la inteligencia artificial se manifiesta una tendencia a proponer una especie de “algoritmo maestro” que explique y dé cuenta, como un modelo globalizador, de que este conocimiento ocurre a partir de elementos (datos, impulsos biofísicos, lenguajes, códigos, redes cognitivas, símbolos, formas, ideas, matemáticas, mutaciones, dependiendo del campo de estudio) que se constituyen en los insumos para la construcción de teorías, técnicas, métodos y herramientas esenciales del desarrollo de la cultura y la civilización en un sentido amplio. Además, en una revisión de los principales aportes desde donde se han ido construyendo estos modelos, podemos obtener una mejor comprensión de lo que ocurre hoy en el ámbito del aprendizaje y su influencia diversa, reflejada en ciertas creencias y paradigmas que han ido quedando desfasados en los procesos, por ejemplo de educación y capacitación, así como en la forma de trabajar y aportar. En el mismo sentido nos permite rescatar metodologías, técnicas y estrategias para acercarnos a descubrir el valioso tesoro que reside en crear lo nuevo como una práctica permanente, pues desde allí se pueden construir competencias diferenciadas y de mayor éxito profesional y organizacional. Por último, resulta muy sorprendente que desde las antiguas escuelas filosóficas hasta las modernas escuelas de la inteligencia artificial, coincidan en algunos principios que subyacen en la búsqueda del conocimiento y en entender cómo éste ocurre. Tal vez no esté tan errada la idea de encontrar un algoritmo maestro y de que cualquiera de nosotros podamos construir uno propio que nos oriente y nos transforme en “líderes del conocimiento” y así abordar los desafíos en el trabajo del futuro cercano. Para descubrir la llave maestra de acceso al reino del nuevo conocimiento, tendremos que realizar un viaje que implica superar ciertas etapas cruciales para el éxito.

      En esta travesía de aprendizaje y descubrimiento será necesario clarificar inicialmente qué es lo que buscamos. Por esta razón, la primera detención será en los dominios de la filosofía y su intento desde hace más de dos mil quinientos años por “atrapar la luz”, que nos acerque a la verdad y a los límites que tiene el hombre, para conocer la realidad desde el saber qué (la teoría), saber cómo (el hacer práctico) y también del saber qué es (las observaciones y vivencias). Luego haremos una visita a los “talleres ocultos de la mente” de la mano de las neurociencias. Allí nuestro propósito será comprender la forma en que aprendemos lo que aprendemos y también lo necesario para desaprender y crear, a partir de la intrincada red neuronal que conforma nuestro sistema nervioso