bordarretazos

«Hemos preparado una civilización global en la cual la mayoría de los elementos cruciales dependen profundamente de la ciencia y la tecnología. También hemos dispuesto las cosas de tal forma que casi nadie comprende la ciencia y la tecnología.»

Carl Sagan

Me acuerdo bien. Había dormido entre dos o tres horas, me dolía la espalda, y ese día tenía que sortear el sublime tráfico de la CDMX para llevar a Ilai a la terapia de radiofrecuencia, a hacer la siesta a casa de mi hermana, de ahí a la fisioterapia y de regreso. Me acompañaba la abuela que le daría de comer en el coche. Ese día mi hijo lloró y grito entre 15 y 20 minutos sin parar cuando, terminada la terapia, quité el video que estaba viendo. Después de lagrimear, dar alaridos, jalarse el pelo y pedirme que lo cargara y abrazara mientras seguía llorando, logré subirlo al coche y la abuela comenzó a leer con él un libro que fue repitiendo hasta calmarse. Llegados a casa de mi hermana, tardó en irse a dormir. Cuando logré finalmente ponerlo a hacer la siesta y me senté a comer, la abuela me dijo que si le llamábamos por teléfono, mientras Ilai entraba a la fisioterapia, a una persona que podía interesarle trabajar de chofer de mi mamá. Cuando le dije que tenía montón de pendientes antes que resolver, se volteó a hablar con mi hermana y le dijo, qué cosa verdad, cómo las mujeres somos más multi tasking. Sí, le dijo mi hermana, y acto seguido contó que había estado leyendo un libro, que se llamaba El segundo sexo de Tolkien, sobre cómo las mujeres se habían visto forzadas aprender a hacer varios trabajos a la vez y crear redes. Hice como que tenía que tomar una llamada y me fui al cuarto que estaba vacío a descansar unos minutos, antes de ir por el coche para nuestro nuevo destino. La perorata acerca de los superpoderes femeninos continuó resonando en el pasillo.

JP: Hola, un favor. Retomemos la «Arqueología de los Medios de ChatGPT 4.0». ¿Puedes explicarme como es que los Modelos de Markov Ocultos (HMM) se utilizaron para las tareas de Procesamiento del lenguaje natural (PNL)? ¿Puedes explicarme también que función tienen para el etiquetado de partes de discurso? Lo que te pediría es que fueras paso a paso. Es decir, 1) primero explícame qué es un modelo de markov. 2) Segundo, qué es un moldeo de markov oculto o por qué se dice que están ocultos. 3) ¿Por qué los modelos de modelos de markov ocutos se volvieron popular para las tareas de procesamiento de lenguaje natural? 4) ¿En específico, por qué son utiles para el etiquetado de partes del discurso?

ChatGPT: Vamos a desglosar tus preguntas sobre los Modelos Ocultos de Markov (HMM) y su papel en el procesamiento del lenguaje natural (PNL) paso a paso.

Artículo publicado en el New Yorker, el 9 de marzo del 2024, por Elizabeth Kolbert, sobre el consumo energético de ChatGPT»:

JP: Hello!

ChatGPT: Hello! How can I assist you today?

Do you know the concept of «media archeology»? Can you explain it to me?

Yes, I can explain the concept of «media archaeology.» Media archaeology is an interdisciplinary field of study that investigates the history and evolution of media technologies and practices. It looks at past media forms and technologies to understand their development, impact, and how they inform present and future media landscapes. Here are some key points about media archaeology:

«Su solución al problema de Thomas Pynchon sobre un encore a una obra previa fue ingeniosa: escribiría el texto espejo de House of Leaves, invirtiendo su dinámica y dando la vuelta a sus convenciones (…) «House of Leaves» [tiene un) obsesivo cuestionamiento de sus propias prácticas de inscripción, desde el derrame de tinta que borra algunos pasajes hasta la codificación en Braille, los símbolos de las banderas de señales, los signos alquímicos y las innumerables prácticas de escritura que llenan sus páginas, incluidas las referencias al cine, el vídeo, la fotografía, la telegrafía, los rayos X, la datación por radiocarbono y otras muchas tecnologías de los medios de comunicación. Por el contrario, la tecnología en OR (con la excepción de las listas rotativas de automóviles en los que Sam y Hailey viajan a velocidad por carretera) está casi totalmente ausente. Al mismo tiempo, esta ausencia sería casi imposible de lograr sin las capacidades de cálculo y búsqueda de datos de las máquinas programables y conectadas en red. Como reconoce Danielewski: «Por muy arcaico que sea [OR], con su texto iluminado y sus cintas, este libro no podría existir sin la tecnología. Sin mi G5 y mi pantalla de 23 pulgadas, con dos páginas en la pantalla a la vez» (2007c).

«Únicamente una forma literaria que tuviera, por tanto, una cualidad maquínica, y que fuera en sí misma un agenciamiento / un ensamblaje, podría registrar cómo distintos sistemas informáticos, incluidos los medios de comunicación, funcionan como parte de un aparato de producción de información y control más amplio, mientras al mismo tiempo participan en procesos que siempre les exceden. Es este aspecto de la información el que hace hace necesario considerar la novela de la multiciplidad de la información como un agenciamiento / un ensamblaje producido por una máquina escritural» (Johnston 1998: 14)

John Johnston citado por Katherine Hayles en How We Think

«Mientras que la narrativa tradicional destaca por crear una «voz» que el lector puede interiorizar, con la llegada de las bases de datos el autor ya no elabora el lenguaje de forma que parezca emanar de las palabras de la página. Más bien, la función del autor se reduce a crear el diseño y los parámetros que dan forma al contenido extraído de las bases de datos. Como señala Liu, la situación es incluso peor que reducir la función de autor a una «posición del cursor» (dentro de la base de datos); el «origen de la transmisión, en la red de discurso 2000, no está en el lugar en el que está ubicado el cursor». De hecho, el núcleo del problema de la autoría en la era de la reproducción en red es que no hay una ubicación del cursor» (A. Liu 2008b:235-36), sólo gestores de bases de datos invisibles que dictan el contenido»

Katherine Hayles en How We Think