Cómo ganar una cerveza con estadísticas de alta dimensión
How to win a beer with high-dimensional statistics
El autor apuesta una cerveza a que puede encontrar diez palabras aparentemente no relacionadas cuyos embeddings de word2vec formen un círculo en el espacio PCA y una matriz de Gram circulante, similar al famoso resultado con los meses del año. Mediante una búsqueda iterativa con una función objetivo que compara con una matriz circulante, lo logra en una tarde. El hallazgo muestra que se pueden encontrar patrones geométricos espurios, lo que plantea dudas sobre ciertos métodos automáticos de interpretabilidad.
Esto sí descarta ciertos algoritmos automáticos de búsqueda de características, lo que tiene implicaciones para agendas de investigación como la interpretabilidad escalable.