Son tres libros en uno: un repaso de álgebra lineal, probabilidad y optimización numérica; un manual de redes profundas; y una tercera parte de investigación que en 2016 era la frontera. Está escrito para quien va a entrenar modelos desde cero, que no es lo que hago ni lo que le conviene a casi ninguna empresa mediana.
Qué me llevé
El capítulo de metodología práctica, que es de los más cortos y de los menos citados. Su receta es que antes de elegir el modelo se fija el objetivo y la métrica de error, se arma la versión más simple que funcione de punta a punta, y recién entonces se instrumenta para saber si el cuello está en los datos, en el modelo o en el ajuste. Trasladado a mi trabajo: decidir cómo se va a medir la palabra «funciona» antes de prometer nada es la mitad del encargo.
La relación entre capacidad y generalización, que es la explicación técnica de algo que veo todo el tiempo. Un modelo con capacidad de sobra memoriza los ejemplos que vio y falla apenas sale de ellos. Es lo mismo que ocurre con una demostración armada sobre los tres documentos que eligió el cliente: impresiona y no dice nada sobre los otros diez mil.
Y una idea que uso para bajar el humo de una reunión: debajo no hay magia, hay álgebra lineal, probabilidad y un método numérico que baja por una pendiente. Poder decirlo con tranquilidad cambia el tono de la conversación con una gerencia que llega asustada o deslumbrada.
Qué dejé fuera
Casi todo lo demás. La tercera parte es investigación de hace una década y el libro es de 2016: la arquitectura sobre la que se apoya todo lo que hoy se llama IA se publicó al año siguiente. Quien lo compre esperando entender los modelos de lenguaje actuales se va a llevar un chasco de mil páginas. Se lee por los fundamentos, que no caducan, no por el estado del arte, que caducó.