¿La comprensión humana sigue un algoritmo de compresión de datos?

Esa es una forma de verlo. Cuando “entendemos” algo, significa que tenemos un modelo que nos permite hacer predicciones. Un modelo es una representación comprimida. Es una breve descripción de algo más grande.

Usamos la predicción para evaluar la comprensión. Si quisiera probar si entiendes chino, podría mostrarte algo de texto en chino y pedirte que predigas qué símbolos vienen después. Puedes hacer esto con inglés. Intentalo. Coloque su mano sobre la segunda línea de un párrafo e intente adivinar la siguiente palabra. Aproximadamente la mitad del tiempo tendrás razón.

Supongamos que le pido que lea una oración y la recite de memoria. Mientras lee, predice las palabras y solo necesita recordar las que no puede adivinar. Cuando lo recitas, haces las mismas predicciones y rellenas los espacios en blanco de memoria.

Así es como funciona la compresión de datos. El compresor predice la entrada y asigna códigos más cortos a los resultados más probables. El descompresor realiza la misma secuencia de predicciones dada la salida anterior, y llena los espacios en blanco de los códigos.

Si acepta reemplazar “comprensión” por “aprendizaje”, esto suena como parte de la investigación del profesor Naftali (Tali) Tishby en la Universidad Hebrea. Algunos de los trabajos del profesor Tishby se refieren a la relación entre la teoría de la información, el aprendizaje biológico y la memoria.

Una lógica común para ver gatos y cosmos | Quanta Magazine parece hablar de esto en el contexto del aprendizaje profundo.

La lista de publicaciones de Naftali Tishby podría ofrecer más pistas.

Se puede ver de esa manera, aunque el cerebro también hace todo tipo de cosas que no tienen nada que ver con la compresión de datos.

A medida que avanzamos en la vida, recibimos mucha, mucha información, y no toda se almacena en el cerebro. Lo que conservamos es un modelo sofisticado de la realidad, que nos ayuda a anticipar lo que sucederá si hacemos qué. Ciertamente, esto puede verse como una compresión con pérdida: conservamos la información que es relevante para nosotros y descartamos el ruido.

Sin embargo, los humanos también tienen agencia: toman decisiones. Eso es algo que los algoritmos de compresión de datos no hacen. Por lo tanto, la toma de decisiones humanas no parece encajar en la imagen.

More Interesting

¿Por qué CLRS no cubre algoritmos como el punto más cercano iterativo (ICP)?

¿Qué libro debo comprar para aprender sobre algoritmos: estructuras de datos y algoritmos simplificados por Narsimha Karumanchi o Introducción a los algoritmos (CLRS)?

¿Qué algoritmos usa Bing para clasificar los resultados de búsqueda? ¿La patente de Google les impide usar PageRank? Análisis de enlaces en general?

Cómo escribir un algoritmo

¿Qué es un algoritmo para generar todos los gráficos?

1,000 participantes toman un examen que consta de 100 preguntas y 5 opciones por pregunta. ¿Cuál es el mejor enfoque (algoritmo) para encontrar todos los pares posibles de participantes con al menos un 80% de coincidencia en las opciones que eligieron?

¿Qué son los treaps con claves implícitas?

¿Cuál es la mejor manera de aprender el comercio algorítmico en Python y probar modelos?

¿Debería centrarme en aprender más idiomas o algoritmos y estructuras de datos?

Si una cadena de números contiene todas las demás cadenas de números, ¿eso significa que la cadena también se contiene estrictamente a sí misma?

¿Cómo es posible que el hashing sea imposible de revertir? ¿Hay alguna prueba?

¿Cómo resolver el problema de corchetes en SPOJ (SPOJ: SQRBR)?

¿Dónde puedo encontrar un algoritmo de relevancia marginal máxima en Python para la eliminación de redundancia en dos documentos?

Cómo dominar las estructuras de datos y los algoritmos (DSA) para mejorar mis habilidades de resolución de problemas que eventualmente serán útiles en las entrevistas

¿Podemos usar una cola en quicksort en C?