Cuando era niño, solo quería ser adulto para poder ser libre. Ahora que soy adulto, solo quiero ser niño para poder ser libre. La infancia y la adultez tienen definiciones muy distintas sobre lo que significa ser libre, pero ambas responden a lo que no se tiene.
De niño siempre quería hacer algo, lo que fuera, pero no siempre podía hacerlo. Había algo que no me lo permitía: un adulto, libre de tomar sus propias decisiones y cuya decisión más placentera parecía ser negarme la mía. Lo que no sabía es que de adulto iba a extrañar algo que de niño tenía en abundancia: certeza sobre lo que quería.
Si de algo me he dado cuenta ahora que soy adulto, es que serlo significa una cosa: hacerme responsable de las consecuencias que tengan mis decisiones. Ser dueño de ellas me ha mostrado que mi abanico de opciones ha crecido mucho con el tiempo, pero con ello ha crecido también mi miedo a tomar una decisión que me lleve por un camino que no quiero. A veces extraño cuando tomar decisiones era fácil, sobre todo porque las tomaban por mí.
A pesar de eso, había un lugar en el que sentía al menos que tenía un poco más de control, una isla de certeza donde sabía cómo hacer las cosas, donde el mundo se acotaba un poco y podía decidir rápidamente hacia dónde ir. Esa isla era mi trabajo. Ahí sentía que mi valor estaba claro, pero recientemente llegó un náufrago que encontró mi isla: la IA. Empezó a poner en orden cosas que yo creía tener bajo control.
Hace unos meses estaba trabajando en un agente que nos ayudara en el equipo de operaciones y mi acercamiento principal fue enseñarle al modelo a aprender. Caí en un rabbit hole enorme sobre cómo estructurar el conocimiento, cómo podemos representarlo, de qué forma es más eficiente guardar qué tipo de información. Lo intenté a través de grafos de conocimiento.
Un ejemplo puede ilustrar fácilmente qué es un grafo de conocimiento: Noemy es la mamá de Mariano. Un grafo nos diría algo así.
Los círculos se llaman nodos y las flechas son aristas, las cuales representan relaciones entre nodos. La ventaja que tienen es que permiten representar relaciones entre muchos nodos a la vez, y también permiten visualizar más fácilmente la información.
Así se ve por ejemplo el grafo que se crea en una aplicación de notas que uso llamada Obsidian, y que permite crear y ligar notas entre sí. Vemos que cuando hay un nodo con muchas relaciones se hace más grande para mostrar que es muy importante. Esa representación visual es lo que se gana con un grafo de conocimiento, haciendo que interpretar información compleja sea más sencillo.
Los grafos existen ya desde hace mucho tiempo, aunque en la práctica se han utilizado poco debido al tiempo que se necesita para poder traducir el conocimiento a nodos y aristas. Piensa en cómo se podría representar una condición como: si Mariano se enferma, tiene que tomar medicina. Ese proceso se llama reificación, pero explicarlo merece su propio texto.
Los modelos de AI que tenemos actualmente han hecho que los grafos sean una opción viable nuevamente. Todo el trabajo de traducción que antes le tomaba a un humano horas de esfuerzo, ahora lo pueden hacer en instantes; intenten pedirle a un modelo que reifique la regla de arriba.
Para mí ese descubrimiento fue la luz que necesitaba: claramente los grafos eran la mejor opción porque traducen algo muy complejo en una visualización muy fácil de entender, y qué mejor momento para hacerlo que ahora que no tengo que escribir todo a mano.
Pedí hablar con el CEO y el CTO sobre cómo era conveniente migrar a grafos de conocimiento y explicarles que había implementaciones que nos permitían, además, agregar una dimensión temporal sobre ello.
Hice mi investigación, preparé mi presentación. Pero al final no les expuse por qué creía que los grafos temporales eran la respuesta; de hecho les terminé comentando todo lo contrario: en lo que había probado, agregar estructuras adicionales solo había hecho que la ejecución fuera más cara y menos eficiente.
Me había equivocado en algo muy obvio, y es que los grafos se crearon para solucionar un problema viejo, cuando las computadoras no podían entender el lenguaje, pero que para los nuevos modelos es trivial. Nosotros no somos capaces de ver relaciones simplemente por ver todo el texto en prosa, antes tenemos que leerlo, procesarlo, entenderlo, hasta que lo podamos internalizar. Los grafos funcionaban perfecto como ese puente entre el humano y una máquina que necesitaba traducción de conceptos muy complejos, pero al forzar a un modelo a ver con nuestros ojos, le estaba haciendo más difícil su trabajo quitándole el ambiente en el que se siente más cómodo: texto puro.
Ese fue el día en el que acepté que mis capacidades de abstracción y de estructuración habían sido rebasadas por los modelos, y que por más que quisiera entender cómo lo estaban haciendo, quedaba muy lejos de lo que mi mente es capaz de comprender. Ya no era necesario que yo le ayudara al modelo a aprender, o a decirle cómo se suponía que tenía que guardar la información, o qué información se suponía que tenía que guardar. Todos eran problemas que yo tenía, pero que nunca lo fueron para él.
Me hizo cuestionarme qué valor agregaba yo, si realmente valía la pena seguir en la isla. ¿De qué servía sentarme a explicarle a un modelo cómo tenía que resolver un problema, cómo tenía que pensar, si ya lo hacía mucho mejor que yo? En mis trabajos anteriores mi rol era justamente ese: guiar a un modelo a través del razonamiento humano para que pudiera llegar a las mismas conclusiones que nosotros.
Ahora eso ya no solo no es necesario, sino que de hecho es un freno para ellos. Cada vez es más claro que lo mejor es dejarlos en un mundo abierto donde solo es necesario darles las herramientas para que ejecuten como consideren pertinente. Al final, lo mejor que pude hacer en el agente fue darle acceso de escritura y de edición sobre sus propias notas. Ya no decido cómo organiza su aprendizaje, pero cuando le preguntamos algo, lo responde bien.
Me sentí muy tentado a volver a esa inocencia de la infancia, cuando alguien más estaba ahí para decidir por mí. Tardé tiempo en darme cuenta de qué me pasaba y me tomó varias pláticas con amigos y familia en las que les expresaba mi frustración. Los modelos funcionaban mejor cuando dejaba de explicarles cómo pensar y solo les decía qué quería. Fue en ese momento que dejé de pelearme con ellos: el cómo ya me lo habían quitado, y honestamente lo hacían mucho mejor que yo. Pero me estaba saltando la segunda mitad de la frase: les decía qué quería. Me di cuenta de que el modelo nunca hizo eso; esa parte seguía siendo mía.
Sí me gustaría volver a ser niño, pero no por la razón por la que creía. No quiero que alguien más decida por mí; eso puede hacerlo un modelo y está a un prompt de distancia. Quiero lo que tenía de niño y fui perdiendo: la certeza de lo que quería. De niño no podía hacer casi nada y sabía exactamente lo que quería. Ahora podemos hacer casi cualquier cosa, y cuando podemos hacer lo que sea, lo único que nos queda es querer.
