En el año 1936, Francis Scott Fitzgerald(1) escribió: "La prueba de una inteligencia de primer orden es la habilidad de retener en la mente, al mismo tiempo, dos ideas opuestas sin perder la capacidad de funcionar." (Revista Esquire, Febrero 1936). El mismo año, Alan Turing sentó las bases de la computación moderna. Por lo tanto, para alcanzar esta inteligencia, una computadora (o aprendizaje automático) debería pasar "el test de Fitzgerald". Llamemos a "la habilidad para retener en la mente, al mismo tiempo, dos ideas opuestas", como la capacidad de seleccionar una distinción. Si de acuerdo a Niklas Luhmann(2), siguiendo a George Spencer-Brown(3), la distinción comienza un proceso de construcción de complejidad reduciendo la complejidad, y si "en el aprendizaje automático la complejidad está en la data"(4), luego un algoritmo universal debería ser capaz de realizar esta operación de reducción estableciendo distinciones. Propongo llamar a este algoritmo, Algoritmo GDSD: Given Data Set Distinction, donde "set" debería ser leído como "establish", como una orden. Tendría el poder de aplicarse en todos los campos del conocimiento humano.Bibliografía:
(1) Francis Scott Fitzgerald, El Crack Up. Ed. Crack Up, 2011.
(2) Niklas Luhmann, Introducción a la Teoría de Sistemas. Universidad Iberoamericana, 1996.
(3) George Spencer-Brown, Leyes de la Forma. https://www.scribd.com/document/62656928/Spencer-Brown-Leyes-de-La-Forma, 1979.
(4) Pedro Domingos, The Master Algorithm. Basic Books, 2015.
Adicional:
Niklas Luhmann, La Ciencia De La Sociedad. Universidad Iberoamericana, 1996
Héctor Corvalán, https://www.academia.edu/29841631/A_Universal_Algorithm_For_A_Hypothetical_Machine_Learning, 2016.
