El teorema del almuerzo gratis en el contexto del aprendizaje automático afirma que no es posible, a partir de los datos disponibles, hacer predicciones sobre el futuro que sean mejores que las conjeturas al azar. Los datos en sí mismos solo nos dicen el pasado y uno no puede deducir el futuro a partir de él.
¿Has oído hablar del problema de la inducción de Hume y del pavo? El pavo observó que todos los días a las 9 a.m., se alimentaba. Si recopilas toda esta información y la pasas a un alumno, puedes terminar con un algoritmo que predice que el pavo se alimentará mañana a las 9 a.m. Esto no sería exacto si mañana es acción de gracias, en qué día el pavo no se alimentará a las 9 a. M., Sino que será sacrificado.
Este es un ejemplo que le muestra que los datos y un alumno por sí solos no son suficientes para hacer predicciones precisas sobre el futuro.
Para poder hacer mejores predicciones, necesitamos saber o hacer algunas suposiciones sobre el mundo en el que vivimos, o “preparar la bomba de conocimiento”, por así decirlo. Entonces podemos extraer ideas de los datos. Un alumno PUEDE ser mejor que adivinar al azar si las suposiciones que hacemos sobre el mundo son precisas.
Le sugiero que lea el libro “The Master Algorithm” de Peter Domingos, que explica esto en uno de los capítulos anteriores.
