Conocimiento crítico representativo: el poder de la muestra

Soy de aquellos a los que le gusta de vez en cuando ponerse el casco de minero de datos (data mining) y explorar conocimiento penetrando la complejidad. Quizá se deba a que siempre pienso que hay algo que descubrir e inventar "at the bottom". El hecho es que desde esas oscuras regiones hay algo que me viene fascinando cada vez más. Quizá un día se pueda convertir en teorema, pero para eso es necesario seguir dándole vueltas al tema. Ese futuro teorema podría acabar diciendo algo así como: "Por complejo que un "bloque de conocimiento" parezca, existe un grado de información identificada, un umbral a partir del cual, persistir en búsquedas adicionales genera rendimientos decrecientes en términos riqueza/calidad del conocimiento acumulado sobre ese tema. En otras palabras, llega un momento, en la acumulación de información, que se alcanza un conocimiento dado. Descubrimos entonces que hemos identificado una muestra del total de conocimiento existente sobre ese tema y podemos adelantarnos a afirmar que la muestra es representativa del "Bloque" (experiencia iniciales así lo demuestran).

Esto querría decir, entre otras cosas, que por mucho que se ahonde en el cruce de información proveniente de fuentes muy diversas, llega un momento en que dicho cruce se vuelve irremediablemente redundante (algo así como cuando google nos dice torpemente que otras páginas giran en torno al mismo tema y que no hace falta mostrarlas). Desarrollar las herramientas de exploración de la información y creación del conocimiento que nos puedan permitir establecer leyes sobre la identificación de esos umbrales, del tamaño idóneo de la muestra representativa, podría sin duda aclararnos sobre nuevas líneas de investigación a explorar.

Si el teorma es válido, acabaremos concluyendo que por compleja y rica que sea la información que poseamos sobre un tema, sea cual sea éste, no es necesario seguir buceando de manera exhaustiva en información adicional. Se consagraría así un método de búsqueda con autolimitación a partir de un determinado umbral. Alcanzaríamos así el conocimiento representativo de la totalidad. Lo interesante del teorema es que no implica existencia de sabiduría superior de aquel que realiza la investigación para detenerse en la selección de los elementos de información, sino un trabajo sistemático y aleatorio de creación del "conocimiento crítico representativo". Aviso a especialistas: se abren aquí caminos muy interesantes para desarrollos 2.0 y 3.0 en la confluencia de la web semántica y las ciencias cognitivas con la teoría de probabilidades. Sigamos hablando sobre ello.