- En los años 90, para ejecutar juegos de computadora había que aprender directamente las condiciones de la máquina, como
autoexec.bat, discos de arranque e interrupciones de la tarjeta de sonido - La computadora alejaba al usuario con cosas como el sonido de negociación del módem, los jumpers de las unidades o interrupciones mal configuradas, y ese proceso de enfrentar resistencia era la vía para entender cómo funcionaba
- Los AI assistants se parecen más a herramientas dóciles que se reacomodan solas según lo que escribe el usuario, en vez de exigir archivos de configuración o ciertas condiciones
- La pérdida central no es tanto la capacidad técnica, sino la pérdida de familiaridad; está desapareciendo la relación que surge al pelear con una máquina, fallar y volver a intentarlo
- En adelante podríamos depender más que nunca de las máquinas y, al mismo tiempo, conocerlas menos
La experiencia informática cuando la dificultad era conocimiento
- En los años 90, para jugar en computadora primero había que saber al menos un poco de cómo funcionaba
- Se abrían y leían archivos como
autoexec.bat - A veces incluso se creaba un disco de arranque dedicado para ejecutar un solo juego
- Si la máquina no lo permitía, no se podía jugar, y el usuario tenía que aprender las condiciones de la máquina
- Se abrían y leían archivos como
- Las computadoras y periféricos de esa época tenían una fricción a la que el usuario debía enfrentarse directamente
- El módem dejaba oír la negociación de la conexión y, si uno la escuchaba repetidamente, hasta podía detectar cuándo la llamada estaba por cortarse
- En las unidades se configuraban pequeños jumpers con la uña
- Había que saber a qué interrupción respondía la tarjeta de sonido, y si estaba mal, no funcionaba nada
- La idea de que “la dificultad era conocimiento” atravesaba la experiencia informática de entonces
- El usuario llegaba a conocer la máquina a través de aquello que lo rechazaba
- La frase “solo puedes conocer aquello contra lo que puedes perder” condensa esta experiencia
La IA dócil y la familiaridad que desaparece
- El AI assistant actual parece la comodidad definitiva y funciona de un modo en que el resultado aparece cuando el usuario dice lo que quiere
- No obliga a leer archivos de configuración
- No impone condiciones
- Se adapta a las frases del usuario y, si este muestra descontento, se disculpa y vuelve a intentarlo
- Una máquina que no desafía es difícil de conocer y termina siendo sobre todo un objeto de uso
- La idea central no es que desaparezcan las capacidades
- Los modelos de IA incluso han leído manuales que los humanos no leen y pueden explicar cómo funciona una máquina
- Si se mira solo la capacidad de cálculo o el conocimiento técnico, podría decirse que el conocimiento está más resguardado que antes
- Lo que desaparece es la familiaridad que surge al chocar con una máquina concreta
- Disminuye la experiencia de pelear con una máquina, fallar, volver a intentarlo y finalmente hacerla funcionar
- Las personas dependerán más de las máquinas que antes, pero al mismo tiempo las conocerán menos
- Puede que la próxima generación no sienta esto como una pérdida
- No se puede extrañar una relación que nunca se tuvo
- Podrán usar, con la misma naturalidad que un interruptor de luz, herramientas que lo hacen todo y no exigen nada
- La escena en la que una computadora moderna reproduce al instante y a la perfección una grabación del sonido de conexión de un módem muestra bien ese contraste
- El sonido del módem del pasado permanece en la memoria
- La máquina moderna que reproduce ese sonido no puede conocerse del mismo modo
- La máquina moderna fue diseñada para que el usuario no necesite conocerla así, y ese era justamente el resultado que queríamos
1 comentarios
Opiniones de Hacker News
Es una lástima que Pangram marque este texto como escrito por IA
https://www.pangram.com/history/c0a9cde2-7a5c-4588-83a3-0269...
Está claro que los textos puramente de IA están aumentando, pero creo que los servicios que “analizan” contenido de esta forma hacen más daño que bien
https://geniusaidetector.com/
El problema está en que no sabemos cómo funciona esto
En general, entendemos las capas de abstracción con las que nacimos y crecimos, y hasta cierto punto también una o dos capas por debajo, pero mientras más bajamos, menos entendemos
Con la edad vi este proceso de primera mano, y aunque en algún momento había una enorme demanda por conocimientos raros, ahora la mayoría de los conocimientos raros que tienen los jóvenes son cosas que no me importan demasiado, y a mí solo me quedan habilidades sofisticadas para resolver problemas que, en su mayoría, ya desaparecieron detrás de abstracciones
Es un cambio significativamente diferente
Probablemente no haya mucha gente aquí que conozca el proceso para convertir arena en silicio o la pericia necesaria para pulir a mano lentes avanzados para litografía, pero sí se sabe que esas cosas son necesarias y se entiende el concepto filosófico general
El peligro aparece cuando automatizamos tan por completo el trabajo de infraestructura de bajo nivel que las generaciones futuras ni siquiera tengan un marco conceptual de cómo se fabrica la tecnología que usan
En los sistemas generados por IA, esa ventaja se va por la puerta. Si no se tiene muchísimo cuidado, la nueva base de código no tendrá coherencia, y a ojos del LLM y de quien hace los prompts, se introducirán paradigmas nuevos por todos lados “porque funcionó”
Es como si no importara que el mismo patrón se repitiera 37 veces con pequeñas variaciones, así que ahora la portabilidad del conocimiento disminuye
Antes, cuando uno miraba el código y preguntaba “¿por qué?”, por lo general había una respuesta basada en experiencia o experimentos previos, del tipo “probamos x, y, z y no funcionó”. Pero un LLM mete cosas complejas simplemente porque hacen lo que se le pidió
Leer una cadena de una fuente válida byte por byte hasta encontrar
\0funcionará, pero si la documentación de la API dice X, hay que dar un paso atrás y pensar por qué se está volviendo a comprobar que eso sea correctoYo tampoco soy tan viejo, pero empecé con C++, aprendí gestión manual de memoria y diseño de lenguajes de programación, y también tomé clases de ensamblador que ya en ese entonces eran bastante difíciles
No soy experto en ensamblador ni pretendo serlo, pero entender cómo el código de alto nivel se compila a instrucciones de ensamblador/lenguaje máquina de bajo nivel es muy valioso para desarrollar intuición sobre cómo manipular el rendimiento. También ayuda a ver cuánto pueden influir en reducir el número de instrucciones cosas que “parecen tontas”, como desenrollar bucles
Como dijo Bernardo de Newton/Chartres, estamos sobre hombros de gigantes y vemos más lejos, pero perdemos los detalles del suelo bajo nuestros pies. A una persona moderna le cuesta tener la amplia pericia que se obtiene al construir una computadora directamente con transistores, pero aun así debería aprenderla académicamente para obtener fragmentos de conocimiento que siguen siendo importantes
Cuando un experto en un campo tan altamente especializado tiene la capacidad de comunicación para compartir lo relevante sin abrumar a los demás con detalles, resulta enormemente útil
Pero yo veo esto como nacer con deuda técnica, y considero que es mi deber como ingeniero entender qué construyeron las generaciones anteriores y desde qué dirección me conviene trabajar
No es poca cosa haber expresado que estamos perdiendo algo casi tan rápido como lo ganamos
Debajo del tono nostálgico del texto hay una pérdida de control y una ansiedad que crece cada día
Ya es bastante impactante ver a personas muy jóvenes que solo aprendieron interfaces táctiles y apps, y no saben usar una computadora en sentido estricto. Es un entorno de contenido e interfaces curadas, donde las dificultades fueron planchadas a través de miles de iteraciones para satisfacer el mínimo común denominador del mercado
Aun así, creo que quienes más construyen hoy, y quienes hacen cosas buenas, funcionales y mantenibles, son quienes ganaron herramientas sin perder el conocimiento del medio que usamos
En el ámbito de las computadoras y de internet hay una nostalgia cálida por trastear con cosas, armar una PC propia, formatear el disco C por culpa del malware y buscar “snippets” para decorar foros o páginas de Myspace
Pero al final terminan dominando los incentivos del dinero. Trastear por diversión y conocimiento no es rentable, y cuando las personas optimizadas para el dinero y el capital se comen todo el dinero y el capital, la actitud de cada uno frente al dinero y el capital importa cada vez menos
Lo que más me preocupa de lo que está pasando ahora es la brecha de riqueza, y de cerca le sigue la “posverdad”, que está estrechamente conectada. La gente está dispuesta a creer lo que quiere creer en función de fines comerciales o ideológicos, y cuando las cosas no le salen bien, le resulta fácil odiar y culpar a sus vecinos
Los lenguajes de programación, UNIX y los depuradores no van a desaparecer. En la computación hay mucho más que lo que exige un jefe y lo que está de moda en los foros técnicos
De hecho, creo que la escena indie/hecha a mano crecerá mucho, o incluso tendrá un auge, aunque sea a nivel hobby. El hecho de haber hecho con sangre, sudor y lágrimas algo que se podría haber encargado a una máquina puede generar mayor admiración y disfrute
Durante varias décadas, la tecnología informática tuvo un punto ideal en el que los aficionados podían experimentar sin que el costo fuera una barrera y empujar los límites del campo de la computación temprana.
Como en una radiación adaptativa, surgieron muchos nichos que se llenaron rápidamente, y ahora el ecosistema de la computación evolucionó hasta el punto de moverse no en las abstracciones de bajo nivel que alguna vez fueron el único medio de interacción, sino en lo que llamamos “lenguaje natural”, la abstracción más alta posible.
“La dificultad era el conocimiento. Conocimos la máquina como se conoce algo que se resiste. La resistencia misma era el medio. Solo se puede conocer aquello que se puede perder”.
Quienes pasamos por esa época formamos el conocimiento de ingenieros prácticos, de los que tocan las cosas con las manos, y aprendimos por experiencia y práctica cómo avanzaban las capas de abstracción en la frontera. Hoy mucha gente llega a un mundo lleno de respuestas fáciles, pero otra cosa es si esas respuestas son correctas, y cada quien tiene que calibrar por sí mismo cuánto le importa la precisión.
Estoy usando un juego llamado “The Farmer Was Replaced” como punto de partida para enseñarles Python a niños, y cuanto más lo pienso, más me convenzo de que necesitamos un paquete de hardware en el que puedan equivocarse lo suficiente por su cuenta, como con la vieja Apple //e.
En esa época era fácil aprender mucho en esos sistemas, incluso hasta ensamblador, y creo que valdría la pena rebobinar el reloj hasta ese punto, bifurcar la experiencia y ver qué crea la nueva generación de chicos.
Soy de los viejos que tienen grabada en las neuronas la secuencia de sonidos de negociación de un módem de 2400 baudios.
Durante un tiempo intenté configurar conexiones WireGuard entre mis sistemas, pero entre el trabajo y la familia estoy ocupado, así que por ahora se lo dejé a Tailscale.
Podría haberlo configurado yo mismo en varios hosts, incluyendo rutas de red, reglas de firewall, pares de claves, unidades de systemd, etc., pero la alternativa “barata y fácil” estaba ahí mismo y funcionaba. Salvo cuando obliga a reautenticarse.
Con un agente LLM pude analizar fácilmente mi red existente y crear scripts adaptados a lo que quería hacer. Lo único que me tocaba era revisar temas de seguridad y cosas por el estilo, y vi 3 o 4 modificaciones concretas necesarias en las reglas de enrutamiento por la topología de mi red.
Podría haber llegado al mismo resultado leyendo algunos manuales por mi cuenta y pasando una o dos horas trasteando y ajustando los scripts, pero la disponibilidad y eficacia del agente son demasiado tentadoras.
No tengo muy claro qué significa esto para mis habilidades técnicas, ni si eso ya importa. Aun así, mientras la cabeza me funcione bien, estoy bastante seguro de que podré leer los manuales y resolver estas cosas por mi cuenta. A este ritmo, me pregunto si mis hijos llegarán a tener esa misma capacidad, y tampoco sé qué tanto importará.
En todo caso, estoy ayudando a mis hijos a resolver problemas “a la antigua”, sin depender demasiado de los LLM. Estoy bastante seguro de que, por más competente que se vuelva la IA, si no desarrollas capacidad para resolver problemas, en la vida solo vas a estar en desventaja.
El problema es que la mayoría de los caminos predeterminados son “oye, chatarra, haz esto”, y no “hola, chatarra, explícame cómo funciona eso”.
He probado un poco este segundo enfoque y, sobre todo para quienes aprenden solos, está sorprendentemente subestimado como herramienta educativa.
No estoy seguro de que se pueda decir, en un sentido significativo, que un usuario de computadoras de los años 90 que sabía editar
autoexec.bato meter un disquete de arranque “sabía cómo funcionaba una computadora”.Hoy la pila de abstracciones es más profunda, y parece que seguirá profundizándose, pero en los 90 las abstracciones ya eran bastante profundas.
Creo que el error común aquí es una confusión de población. Los nerds de la computación atraviesan las abstracciones por diversión, y eso no va a detenerse, igual que los navegadores web no eliminaron a quienes escriben kernels.
De hecho, hoy se escribe más código de bajo nivel que antes, porque el acceso al conocimiento necesario está menos controlado por guardianes que antes.
Hoy, el grupo más ruidoso en HN no son los nerds, sino más bien emprendedores y estafadores que intentan encontrar dónde pararse.
Ellos siguen exagerando el impacto de la “IA” y ahora hacen que sus seguidores recuerden sus momentos más nostálgicos, asuman que en aquella época todos andaban tanteando y confundidos como ellos, e ignoren el resto de la historia.
No estoy de acuerdo con la frase “el conocimiento no está en peligro. De hecho, está más seguro que nunca. Los modelos de IA leyeron todos los manuales que los humanos no leen”.
Si cuando le pides un manual a un modelo este escupe tal cual un manual de sus datos de entrenamiento, eso es sobreajuste. Lo que escupirá será algo que parezca un manual real, o algo que encaje con una consulta sobre un manual.
Cuando detectas un error, a veces tienes que refutarlo, pero para detectarlo ya tienes que saber qué buscar y qué esperar. O tienes que ignorar la salida y quedarte solo con los enlaces, pero esos enlaces también pueden estar desactualizados o inventados. No lo sabes hasta verificarlo.
Y esto se degrada con la compresión y el tiempo.
No hay camino real. Estoy de acuerdo en que el proceso de hacerlo uno mismo, frustrarse y esforzarse por entender trae enormes recompensas. Incluso en la era de “todo rápido, ahora mismo”, ese proceso sigue siendo valioso y está muy subestimado.
“Cuando era chico, arreglaba la computadora de mis papás; ahora que soy grande, arreglo las computadoras de mis hijos. ¿Somos la única generación que sabe cómo funcionan las computadoras?”
https://x.com/ryancbriggs/status/1847391612428517844
https://xcancel.com/ryancbriggs/status/1847391612428517844
Hay mucha gente que entiende de computadoras tanto en generaciones mayores como en generaciones más jóvenes; simplemente no son sus papás ni sus hijos. Entre quienes escriben algunos de los ensambladores más impresionantes hoy en día hay incluso personas menores de 20 años. Todo va a estar bien.
Yo estudié Ciencias de la Computación y di clases de pregrado, y ya desde hace unos 10 años veía estudiantes de Computación que, al recibir una USB booteable con Linux, no podían configurar el sistema.
El problema no era solo la falta de conocimiento, sino una impotencia total: si no les funcionaba en 2 minutos, mandaban un correo diciendo “no funcionó, ¿qué tengo que hacer?”. El mayor problema de depender de cosas como ChatGPT también va por ese lado.
Creo que las generaciones jóvenes están en una posición peor. No solo no saben cómo funcionan las computadoras; en algunos casos ni siquiera tienen esa actitud básica de resolver problemas por cuenta propia que sí tenía la generación de nuestros padres.
Me llegan mucho todos esos ejemplos de configurar jumpers a mano, lidiar con las interrupciones de la tarjeta de sonido y tocar
autoexec.bat.Al mismo tiempo, también uso bastante bien los LLM y los agentes. El texto captura muy bien qué es lo que se perdió, y se parece a cosas que en otros ámbitos ya se perdieron hace mucho o que nunca existieron —por ejemplo, la diferencia entre los autos modernos y el Model T—.
No quiero volver atrás, pero todavía se puede sentir esa sensación de pérdida. El texto también es hermoso.
Las comunidades de modding siguen vivas.
Los chicos todavía hostean servidores de Minecraft o juegan con lo que sea que esté de moda hoy. Las computadoras DIY de 8 bits también están ganando popularidad.
Que algo se haya vuelto muy mainstream no significa que se haya diluido para todos. Siempre hay personas con distintos niveles de curiosidad y pasión.
Se pueden reducir los incentivos, pero no eliminarla. Los nerds siempre serán nerds.