Yo antes molaba. Bueno, no. Pero me enteraba de la publicación de las novedades de mis autores favoritos antes de la fecha, no más de un año después, que es lo que me ha pasado con Polostan, el último de Neal Stephenson (clic en la imagen del libro, como en los demás de esta entrada, para seguir el correspondiente enlace de afiliado a Amazon). Para tranquilidad de todos, ya he tengo en mi poder y he empezado a leer el segundo volumen de la serie, D: Heavy Water. Para alegría mía, Stephenson vuelve a ser Stephenson, que últimamente había tenido algún que otro pinchazo. El tono dickensiano y la protagonista femenina tienen inevitablemente el tufillo de The Diamond Age / La era del diamante, aunque sin llegar al mismo nivel de brillo, pero aquí insertando a sus personajes en los Estados Unidos de la depresión y los inicios de la Unión Soviética, con la protagonista dando tumbos entre un país y el otro, ninguno de los cuales queda excesivamente bien por el camino. Se conservan bastantes de los tropos de las buenas novelas del autor, con descripciones largas y meticulosas hasta lo que debería ser excruciante de cosas que no aportan demasiado a la historia… pero que, de alguna forma, consigue hacer interesantes (¿quién no recuerda sus instrucciones para comerse los cereales, por ejemplo?), pero en unas comedidísimas (para él) trescientas páginas. La segunda parte de la historia tiene pinta de llevarnos hasta el final de la 2.ª Guerra Mundial, y uno cruza los dedos para que las cosas le vayan todo lo bien posible a Dawn / Aurora, y espera ver cómo cruza Stephenson la historia con la de Enoch Root.
Y seguimos insertados en la historia con esta adaptación al cómic de la vida de Ketty Lewy, la que fuera bibliotecaria de Ramón y Cajal, conectada además con muchos personajes relevantes de la historia de España desde la mitad de los años veinte hasta la posguerra. La historia es apasionante y el dibujo me ha encantado.
Esto no es una novela, sino tres, recogidas en un volumen. Novelitas, de hecho, por lo breve, pero para nada por la calidad, que me ha parecido descomunal. Eva Baltasar es poetisa y en algún momento se metió a novelista, para suerte del que firma, que es mucho más de prosa que de cualquier otra cosa. Las tres novelas, Permagel, Boulder y Mamut, de 2018, 2020 y 2022, tienen como protagonistas a trasuntos de la autora (ha dicho ella en algún momento, creo recordar) que narran en primera persona sus vivencias y sus «idas de olla», en un estilo acelerado en extremo que, personalmente, me desconcertó hasta la mitad de la primera página y, a partir de ahí me atrapó con un dominio de la prosa y el ritmo que me parece maravilloso, hasta el punto de que me costó no acabarme las historias del tirón. Ha ganado hace poco, por cierto, el Médicis Étranger por Ocàs i fascinació, su ya penúltima obra (Baltasar escribe en catalán y su obra ha sido traducida a una veintena de lenguas, entre ellas el español, y su último título, de momento, es Peixos). Muy pero que muy recomendable.
El último de Juan José Millás cayó a través del servicio de las bibliotecas públicas de Cataluña y la app Biblio Digital (larga vida a los servicios públicos). Millás haciendo de Millás con historia falsamente (o no) autobiográfica, en la que no sabes qué tiene alguna base en la realidad y qué parte de sueños o historias (uno imagina que la inmensa mayoría), y a veces (con frecuencia) dudas más del narrador que de Keyser Söze. Qué voy a decir yo: un Millás más a la mochila, y a por otro de los muchos que me faltan por leer del autor.
Y cerramos con otro tebeo. Uno no se había enterado hasta hace relativamente poco de que Carlos Giménez es el autor español de tebeos por excelencia, y de que hay un consenso notable en que su Paracuellos es la obra del tebeo español. Servidor tiene abandonada esa obra hace una eternidad (no porque no sea fantástica, que lo es, sino porque ese retrato de la España de la posguerra es tan bueno que a uno le vienen ganas de cortarse las venas bastante fuerte, y la última sobredosis me dejó bastante tocado), o sea que el otro día, rebuscando de nuevo en el fondo digital de las bibliotecas, se bajó este Rambla arriba, Rambla abajo, una suerte de Jo, qué noche costumbrista y al menos aparentemente autobiográfico que narra una noche del verano barcelonés del sesenta y cuatro y describe con cariño pero sin esconder miserias unas ramblas de Barcelona que para los últimos ochenta y primeros noventa (mis primeros recuerdos del lugar) habían cambiado, pero no tanto. Cayó en nada, confirmó que el autor es extremadamente brillante y recuperó las ganas de volver con Paracuellos. Ya veremos si para el próximo Lecturas…
…y lo dejamos aquí hasta ese próximo Lecturas, que casi seguro se irá ya a 2027 y comenzará seguro prácticamente del todo con la nueva de Stephenson.







![MACHINE LEARNING
BY Angelos T. Kolokouris
One approach to teaching computers to learn is with a language, such as Marvin's, that grows
IN AN ATTEMPT to make computers more accessible to humans, many researchers in the artificial intelligence field have been exploring ways to enable computers to learn. The motivation for machine learning is to have computers extract concepts and relations from databases or through interactive sessions with a user and then use them in any knowledge-intensive activity. Developing knowledge bases for expert systems applications is one such activity. Studying computer-based learning techniques will also give us a better understanding of our own mental processes.
A common method by which a machine learns is by proceeding from specific instances to general rules that more economically capture the content of the given instances. This form of inductive generalization is characteristic of learning from examples and improves on the performance of a knowledge-processing system by condensing a large base of its knowledge into a considerably smaller one. This reduction in size results in a more efficient search of the knowledge base.
When you take a closer look at the programs that learn from examples, you can distinguish two types: those,
called data-driven learners, that generalize by relying entirely on the data presented to them, and a group of more elaborate programs, called model-driven learners, that proceed by generating fairly general hypotheses that are subsequently tested against the given examples or against the user in a typical interactive session. In what follows I will contrast the model-driven learner with the data-driven learner and give an example of the former using a model-driven learner called Marvin. | Editor's note: The Prolog source code for Marvin is available on disk, in print, and on BIX; see the insert card following page 352 for details. It is also available on BYTEnet; see page 4.]
What Is Learning?
To give you an idea of just what's involved in modeling learning with computers, I should examine just what learning is. The best definition of learning that I am aware of— that of Herbert Simon of Carnegie-Mellon University (reference 1)— is that 'learning denotes changes in the system that are adaptive in the sense that they enable the system to do the same task or tasks drawn from the same population more efficiently the next time." 'Inking a closer look at this definition, however, you may realize that it deals predominantly with skill acquisition or improvement, but not all learning is so concerned. Learning systems are those that are able to extract knowledge from raw data or through intersystem informative exchanges, including conversations with the user. Learning systems ought to have the ability not only to acquire knowledge in a cumulative form but also to absorb it.
Machine Learning Strategies
The methodologies used in machine learning applications with some degree of success are rote learning, learning by being told, learning by analogy, and learning from examples. In rote learning the computer makes no special effort to learn. The elements of new knowledge are given to it, through programming or by accessing an external data file, and inferencing...](https://i0.wp.com/obm.corcoles.net/wp-content/uploads/2026/10/image-1.png?resize=723%2C1024&ssl=1)