Búsqueda · 20 momentos en 1 episodio
Cecilia GarraffoJuan Carlos GilGastón GiribetFrancis VillatoroBorja Tosaraprendizaje multiespectral sin ejemplosinvestigadores google deepmindzero shot inteligencia artificialzero shot multispectral learning garraffoaprendizaje espectros múltiples paper recienteinteligencia artificial avances recientesmodelos lenguaje chatgpt ejemplosmodelos generativos técnicas difusióninteligencia artificial modelos procesan imágenesimágenes realistas modelos de difusióncecilia garraffo avances inteligencia artificialmodelos clip lenguaje e imágenesdalí texto imagenchatgpt español acepta imágenesmodelos lenguaje multimodalinteligencia artificial aplicaciones científicasmodelos generales datos científicos astronomíateledetección satelital paper garraffodatos escasos astronomíaobservaciones pocas espacioespectros datos no aceptados chatgptcecilia garraffo inteligencia artificialmodelos inteligencia artificial cienciainterpretación física datos científicosvideo realista escena playamodelos específicos astronomía ciencias atmósferaIA (Inteligencia Artificial)ChatGPTCecilia GarraffoGoogle DeepmindFrancis VillatoroCoffee Break: Señal y RuidoGastón GiribetEstados UnidosEinsteinMachine LearningCLIPCeciliaBorjaGabriel OsorioLLMmodelos de IABostonBull SkyArgentinaCausa Géminis 2.5Inteligencia ArtificialÁviloéJuan Carlos GilWolframYouTubeJuan Carlosastronomía de rayos XHéctor SocasMauricio Leston3I AtlasAIGO
Cecilia Garraffo avances Inteligencia Artificial
Ep530: Estalagmitas; Deepmind; Entrelazamiento y Gravedad; Gravitones; Halloween
30 de octubre de 202520 momentos
Con
0:000:301:001:302:002:303:003:16
Cecilia Garraffo continúa hablando sobre los avances recientes en inteligencia artificial, específicamente en modelos que procesan imágenes y utilizan técnicas de difusión.
…es que una expedición de tres horas solía acabar convirtiéndose en doce, y la verdad es que cuando pasan más de diez horas dentro de una cueva oscura ya hay que reconocer que bastante cansado, por decirlo así. Pues muchas gracias, Juan Carlos, pero vamos. a tener que dar paso a Cecilia con el tema que nos va a comentar, un tema muy interesante sobre aprendizaje multiespectral sin ejemplos de investigadores de la empresa Google Deepmind, que es la empresa que está revolucionando la inteligencia artificial desde hace prácticamente 10 años, ¿no? Cecilia Sí, les quería contar este paper que se llama Zero Shot Multispectral Learning, así que Zero Shot se llama en inteligencia artificial cuando uno prueba un modelo que ya está entrenado Para tareas generales, cómo funciona para una tarea particular sin haberlo adaptado ni reentrenado. Eso es un Zero Shot en este contexto y acá es Multispectral Learning, aprendizaje de espectros múltiples y a lo que se refiere con eso es que, a ver, les doy un poco de contexto: uno cuando todos sabemos que la inteligencia artificial avanzó un montón en los últimos años, revolucionó todo lo que conocemos y que los modelos son cada vez mejores. Es impresionante interactuar con los modelos de lenguaje, como el ChatGPT, por ejemplo. Y también hubo una revolución no solo en modelos de lenguaje, sino en modelos que procesan imágenes. Ahora, con los modelos generativos, creo que el gran salto fue con los modelos de difusión, que no son de difusión como en física, pero viene de ahí la palabra; que uno puede generar imágenes muy realistas, son muy difíciles distinguir de las imágenes reales. Entonces, en estas dos áreas la inteligencia artificial avanzó un montón. Y después hubo otro avance importante, otro como paso grande, que fue conectar estas dos tecnologías, ¿no? Hacer modelos que se llaman de tipo clip, que quiere decir, podemos dado alguna modalidad entender la otra o predecir la otra entre lenguaje e imágenes Eso es lo que nos permite usar modelos como Dalí y decir en texto qué imagen queremos Y ahora los modelos de lenguaje como ChatGPT, o ChatGPT en español se dice, aceptan imágenes también Entonces ahora están comunicados los dos modelos y a eso se refiere uno cuando dice multimodal, por ejemplo, modelo multimodal Ahora, la inteligencia artificial avanzó un montón, pero por otro lado, para aplicaciones científicas no fue en general muy útil Estos modelos que usamos todos los días no son lo más útil para ciencia por muchas razones que es lo que hizo que yo me dedicara a esto que me dedico ahora, que es que están entrenados en temas muy generales pero no aplican bien a los datos científicos, en particular en astronomía que es lo que yo me dedico pero aplica también para teledetección satelital que es sobre el paper que les voy a contar un poco. Los datos son escasos de alguna manera, escasos en el sentido en que no podemos tomar muestras muy cercanas la una a la otra, tenemos lo que tenemos, aunque sean muchos son escasos comparados, por ejemplo en astronomía, con el espacio que estamos observando, las observaciones son pocas Y también son de otro tipo, no son solo imágenes y no son nunca texto, sino que son espectros o distintos tipos de datos que no son los que estos modelos aceptan Bueno, entonces un montón de gente como yo se empezó a dedicar a diseñar estos modelos de inteligencia artificial específicamente para ciencia Bueno, otra de las razones por las que no nos sirven los modelos comunes, no solo que no aceptan los datos que les damos, porque son distintos datos, de los que tienen la capacidad de aceptar y procesar, sino que también lo que necesitamos que nos devuelvan es una interpretación física o científica de los datos y no una reproducción Estos modelos se especializan a reproducir, por ejemplo, podemos hacer un video muy realista de una escena en la playa Lo podemos reproducir, pero no en entender por qué las olas se mueven de esa manera, es muy difícil interpretarlos Entonces empezamos a desarrollar modelos mucho más específicos, fuimos de esto tan grande a modelos específicamente para astronomía, para ciencias de la atmósfera Bueno, pero ahora con los modelos más nuevos del lenguaje que además, como decía antes, son multimodales, al menos son bimodales, aceptan también imágenes, texto de imágenes, estamos viendo algo que nos sorprende un montón, que es que los modelos más grandes funcionan mejor para tareas específicas que los modelos…
Significado #1 · Palabras #1
Francis Villatoro saluda a los oyentes en YouTube y verifica la transmisión.
Habla: Francis VillatoroPalabras #18saludos a oyentes en youtubeverificación transmisión francis villatoroespera minutos para incorporación juan carlosHola, ¿qué tal? Hola a todas. Saludos a los que nos estén escuchando en YouTube. Yo voy a comentarme ahora, a ver si soy capaz de ir hasta el YouTube y verlo, ver qué está todo bien y nada, empezamos con Juan Carlos y ya veremos si se nos incorpora alguien más. Esperamos un par de minutos y dice Cecilia que, bueno, ¿qué ha dicho? Por correo, nada, la respondo yo. Vale, vale. Ok, pues muy bien, aquí estamos. Voy a sacar el chat para verlo, aparte. Vaya, ¿qué ha pasado? Nada, nada, no te preocupes. A ver si yo soy capaz de ir haciendo todas las cosas; son muchas cosas y pocas pantallas. Pantallas grandes, pero pocas.…
Francis Villatoro saluda a una espectadora llamada Cecilia en el chat de YouTube durante la transmisión en directo del podcast 'Coffee Break: Señal y Ruido', preguntándole si es su primera vez en el programa.
Habla: Francis VillatoroPalabras #17saludo a cecilia en youtubechat de youtube podcastcoffeebreakprimera vez en coffee break cecilia…largo, puedes poner dos documentos a la vez y es maravilloso. Yo aquí también puedo poner dos, pero no tres, y ahora tengo que abrir tres ventanas. En la que voy a ir poniendo los horarios, que voy a intentar a ver si la puedo hacer lo menos ancha posible. Yo tengo tres pantallas en realidad, tengo mucho más. El chat de YouTube, pero sí, si tienes más grados, ¿qué tal Cecilia? ¿Todo bien? Hola Francis, ¿qué tal? Bien, ¿todo bien? Hola Cecilia, encantado. Hola. Es tu primera vez, ¿no? En Coffee Break, Cecilia. Perfecto, pues esperemos que disfrutes, que te lo pases bien. Y tranquila, no te preocupes por lo de la interrupción. Empezamos con el tema de Juan Carlos. Ah, no, no, no, no me tengo que ir al final. Estaba en el horario, tenía que hablar con Argentina, pero acabo de terminar, así que no me tengo que ir. Ah, vale, perfecto, entonces no hay problema. Mi idea es que tu tema…
Francis Villatoro presenta a la nueva tertulia del programa, Cecilia Garraffo, una física teórica con doctorado que reside en Boston y participa por primera vez.
Habla: Francis VillatoroSignificado #10 · Palabras #10cecelia garraffo física teóricadoctorado cecilia garraffo bostoncecelia garraffo argentina bull sky…si así lo desean. También están las iniciativas de micromecenazgo en iVoox, Patreon y Paypal, con las que nos pueden apoyar con un euro al mes, un café mensual, tres euros al mes, un desayuno mensual y diez euros al mes, un almuerzo mensual y tras estos. Preliminares, me toca presentar a nuestros tertulianos de hoy. Voy a empezar por la novedad en este programa: Cecilia Garraffo, arroba cecigarrafo, con doble R y doble F, tanto en X como en Bull Sky, Argentina, física, doctora en física teórica, afincada en Boston. Cecilia, esta es tu primera intervención en el podcast como tertuliana, ¿no es así? Sí, sí, es mi primera, no como, lo miro, pero no, es la primera vez que soy parte. Ah, muy bien, pues esperemos que disfrutes mucho con nosotros y que se repita. Sí, sí, ojalá que sí, gracias. En el Frente Argentino también tenemos a otro argentino, Gastón…
Gastón Giribet analiza tres posibles interpretaciones sobre por qué nadie se está sumando a una apuesta relacionada con el cometa interestelar 3I Atlas.
Habla: Gastón GiribetPalabras #19apuesta cometa interestelar 3i atlassesgo lectura respuesta héctor socasinvasión raza interplanetaria semanaafirmaciones ontológicas mauricio lestón…apuesta seria, porque es algo muy, muy serio lo que podría ocurrir caso de que Héctor perdiera la apuesta, aunque todas las firmas de Pro saben que no la va a perder. Si nadie se está sumando a la apuesta es porque Coffee Break está haciendo un buen trabajo. Exactamente, hay tres interpretaciones. Una es que hay un sesgo entre aquellos que leyeron a Héctor mirando la respuesta y la gente no creería en eso. Dos, la gente está totalmente comprometida con el hecho de que vamos a ser invadidos por alguna raza interplanetaria, pero entonces ganar dinero, perdón, no tiene sentido dentro de una semana. Y la tercera explicación es que la gente no está comprometida con sus propias afirmaciones ontológicas. Es como decía un amigo en común, Mauricio Leston, un amigo en común con Cecilia. No me molesta la gente que cree en Los Ángeles, me molesta la gente que cree en Los Ángeles Y no está buscándolos de manera desesperada, si yo creyeran eso, mi compromiso con tal cosa En algún sentido, acá pasa un poco eso, me parece que es lo tercero Bueno,…
Cecilia Garraffo expresa su acuerdo con Gastón Giribet sobre Áviloé, destacando su inteligencia y la calidad de sus publicaciones científicas.
Habla: Cecilia GarraffoPalabras #13áviloé inteligencia científicapublicaciones científicas de áviloépreguntas agudas de áviloé…Avilove; lo he conocido en persona, he tratado con él mínimamente, pero he tratado con él. Es una persona que tiene sus perfiles muy raros, a veces lo que hace, hace daño, y eso es lo que nosotros criticamos, y yo es solo eso lo que critico de él, nada más. Yo estoy de acuerdo con Gastón; de hecho lo conozco a Abilo, me cae muy bien y me parece un tipo súper inteligente. Y no creo que ninguno de los papers que le publican estén mal; yo creo que él no dice nada que esté mal. De hecho, en todas las charlas donde lo veo siempre tiene una pregunta aguda e informada sobre cualquier tema; es impresionante como científico. Yo no creo que haya cosas que están mal; yo creo que especula un poco con el límite de lo que no podemos descartar, pero también es un tipo que tiene otras cosas buenas como compromisos con algunas cuestiones importantes. Para la ciencia, como acceso a la ciencia para todos los niveles, los estratos socioeconómicos y otras virtudes, pero yo también lo respeto muchísimo y lo que hace Loewe cuando cambia de tema, irse de agujeros negros a exoplanetas, que es un tema que conozco…
Cecilia Garraffo continúa hablando sobre los avances recientes en inteligencia artificial, específicamente en modelos que procesan imágenes y utilizan técnicas de difusión.
Habla: Cecilia GarraffoSignificado #1 · Palabras #1aprendizaje multiespectral sin ejemplosinvestigadores google deepmindzero shot inteligencia artificialzero shot multispectral learning garraffoaprendizaje espectros múltiples paper recienteinteligencia artificial avances recientesmodelos lenguaje chatgpt ejemplosmodelos generativos técnicas difusióninteligencia artificial modelos procesan imágenesimágenes realistas modelos de difusióncecilia garraffo avances inteligencia artificialmodelos clip lenguaje e imágenesdalí texto imagenchatgpt español acepta imágenesmodelos lenguaje multimodalinteligencia artificial aplicaciones científicasmodelos generales datos científicos astronomíateledetección satelital paper garraffodatos escasos astronomíaobservaciones pocas espacioespectros datos no aceptados chatgptcecilia garraffo inteligencia artificialmodelos inteligencia artificial cienciainterpretación física datos científicosvideo realista escena playamodelos específicos astronomía ciencias atmósfera…es que una expedición de tres horas solía acabar convirtiéndose en doce, y la verdad es que cuando pasan más de diez horas dentro de una cueva oscura ya hay que reconocer que bastante cansado, por decirlo así. Pues muchas gracias, Juan Carlos, pero vamos. a tener que dar paso a Cecilia con el tema que nos va a comentar, un tema muy interesante sobre aprendizaje multiespectral sin ejemplos de investigadores de la empresa Google Deepmind, que es la empresa que está revolucionando la inteligencia artificial desde hace prácticamente 10 años, ¿no? Cecilia Sí, les quería contar este paper que se llama Zero Shot Multispectral Learning, así que Zero Shot se llama en inteligencia artificial cuando uno prueba un modelo que ya está entrenado Para tareas generales, cómo funciona para una tarea particular sin haberlo adaptado ni reentrenado. Eso es un Zero Shot en este contexto y acá es Multispectral Learning, aprendizaje de espectros múltiples y a lo que se refiere con eso es que, a ver, les doy un poco de contexto: uno cuando todos sabemos que la inteligencia artificial avanzó un montón en los últimos años, revolucionó todo lo que conocemos y que los modelos son cada vez mejores. Es impresionante interactuar con los modelos de lenguaje, como el ChatGPT, por ejemplo. Y también hubo una revolución no solo en modelos de lenguaje, sino en modelos que procesan imágenes. Ahora, con los modelos generativos, creo que el gran salto fue con los modelos de difusión, que no son de difusión como en física, pero viene de ahí la palabra; que uno puede generar imágenes muy realistas, son muy difíciles distinguir de las imágenes reales. Entonces, en estas dos áreas la inteligencia artificial avanzó un montón. Y después hubo otro avance importante, otro como paso grande, que fue conectar estas dos tecnologías, ¿no? Hacer modelos que se llaman de tipo clip, que quiere decir, podemos dado alguna modalidad entender la otra o predecir la otra entre lenguaje e imágenes Eso es lo que nos permite usar modelos como Dalí y decir en texto qué imagen queremos Y ahora los modelos de lenguaje como ChatGPT, o ChatGPT en español se dice, aceptan imágenes también Entonces ahora están comunicados los dos modelos y a eso se refiere uno cuando dice multimodal, por ejemplo, modelo multimodal Ahora, la inteligencia artificial avanzó un montón, pero por otro lado, para aplicaciones científicas no fue en general muy útil Estos modelos que usamos todos los días no son lo más útil para ciencia por muchas razones que es lo que hizo que yo me dedicara a esto que me dedico ahora, que es que están entrenados en temas muy generales pero no aplican bien a los datos científicos, en particular en astronomía que es lo que yo me dedico pero aplica también para teledetección satelital que es sobre el paper que les voy a contar un poco. Los datos son escasos de alguna manera, escasos en el sentido en que no podemos tomar muestras muy cercanas la una a la otra, tenemos lo que tenemos, aunque sean muchos son escasos comparados, por ejemplo en astronomía, con el espacio que estamos observando, las observaciones son pocas Y también son de otro tipo, no son solo imágenes y no son nunca texto, sino que son espectros o distintos tipos de datos que no son los que estos modelos aceptan Bueno, entonces un montón de gente como yo se empezó a dedicar a diseñar estos modelos de inteligencia artificial específicamente para ciencia Bueno, otra de las razones por las que no nos sirven los modelos comunes, no solo que no aceptan los datos que les damos, porque son distintos datos, de los que tienen la capacidad de aceptar y procesar, sino que también lo que necesitamos que nos devuelvan es una interpretación física o científica de los datos y no una reproducción Estos modelos se especializan a reproducir, por ejemplo, podemos hacer un video muy realista de una escena en la playa Lo podemos reproducir, pero no en entender por qué las olas se mueven de esa manera, es muy difícil interpretarlos Entonces empezamos a desarrollar modelos mucho más específicos, fuimos de esto tan grande a modelos específicamente para astronomía, para ciencias de la atmósfera Bueno, pero ahora con los modelos más nuevos del lenguaje que además, como decía antes, son multimodales, al menos son bimodales, aceptan también imágenes, texto de imágenes, estamos viendo algo que nos sorprende un montón, que es que los modelos más grandes funcionan mejor para tareas específicas que los modelos…
Cecilia Garraffo reflexiona sobre un fenómeno emergente en inteligencia artificial donde un modelo especializado supera a uno generalista, sugiriendo una complejidad aún no comprendida.
Habla: Cecilia GarraffoSignificado #8 · Palabras #8modelo especializado supera modelo generalistafenómeno emergente inteligencia artificialpatrones de otro tipo en modelostamaño del modelo y complejidad…de entrenar, digamos, uno podría usar algo así. Más aún, podés tomar un modelo, hacerlo como se llama un fine tuning para algo, especializarlo en una tarea y después tomar un modelo más grande que no sabe nada del tema y va a funcionar mejor en la tarea esa. Que el modelo que funciona bien, pero lo especializaste. Es difícil explicar porque es como que gana más información de patrones de otro tipo. No lo entendemos bien. Es un fenómeno emergente quizá del tamaño. Sí, exacto, es como casi que asusta pensando en inteligencia general o el pensamiento o como a uno lo ayudas a ver música para poder pensar. No sé, es como que estos modelos estamos viendo recién ahora este fenómeno. Bueno, este paper que les quería contar. Cuanto más lo leo, menos me parece sorprendente en este mismo contexto, pero la idea acá es: dicen, ok, probamos. O sea, el problema es que los datos de teledetección satelital son complicados y si hacemos modelos, y hay modelos hechos específicamente para…
Juan Carlos Gil menciona que su empresa, dedicada al espacio, cuenta con una división especializada en el desarrollo de algoritmos para procesar datos satelitales.
Habla: Juan Carlos GilPalabras #14empresa espacio algoritmos datos satelitalesdata processors instrumentos rango espectralinteligencia artificial desarrollo algoritmos específicos…dicen, ok, probamos. O sea, el problema es que los datos de teledetección satelital son complicados y si hacemos modelos, y hay modelos hechos específicamente para eso y funcionan bien, pero no se pueden adaptar a otro satélite o a otra calidad de datos, ¿no? no lo hace especificamente para una tarea, es difícil adaptarlo. Entonces, probemos... Dame 20 segundos, Cecilia. En mi empresa, que trabajamos fundamentalmente en espacio, hay una gran división específica para hacer exactamente eso que estás diciendo. Clásicamente no se ha utilizado inteligencia artificial, sino algoritmos específicos. Claro que se está empezando a utilizar inteligencia artificial, pero vamos, se llaman los data processors, son específicos, se hacen del instrumento, del rango espectral hasta de la órbita, Dependen de forma específica, son muy específicos efectivamente Sí, claro Bueno, Lo que estamos viendo y lo que muestra este paper es que de hecho lo vimos en un proyecto nuestro, lo estamos viendo ahora que es, si vos tomas un modelo de lenguaje entrenado con ninguna imagen satelital más que las que uno encuentra en internet que son…
Cecilia Garraffo explica un experimento en el que se utiliza el modelo de lenguaje Gemini 2.5 para analizar imágenes satelitales, proporcionándole información detallada sobre las frecuencias y su origen.
Habla: Cecilia GarraffoPalabras #12gemini 2 5 analiza imágenes satelitalescientífico necesita imágenes relevantes pregunta…que podemos ver con nuestros ojos, sino en otras partes del espectro electromagnético. Porque buscas frecuencias que sean sensibles a la vegetación, a la reflexión por el agua, buscas esas frecuencias que te van a permitir identificar cositas desde la órbita. Claro, entonces lo que hicieron acá es decir: ok, tomemos todos esos modelos que son bien especializados en esto, pero que son de Machine Learning, de Inteligencia Artificial y después tomamos un modelo, la Causa Géminis 2.5, y démosle imágenes que sabemos que son representativas; o sea, uno necesita igual como necesita un científico: démosle las imágenes más relevantes para la pregunta que vamos a hacer y digámosle qué imágenes le estamos dando, qué frecuencia, cómo se obtuvieron, para qué sirven, démosle cuanto más contexto mejor. Pero démosle estas imágenes de otras partes del espectro pintadas con colores, no importa; démosle todas estas imágenes y el contexto y resulta que funciona bastante bien. Una cosa que es rara es que lo comparan con cómo funcionaría ese mismo modelo si solo…
Cecilia Garraffo explica la naturaleza de los artículos científicos con impacto en inteligencia artificial y machine learning, contrastándolos con el proceso de publicación en física.
Habla: Cecilia GarraffoPalabras #5artículos proceedings machine learningrate aceptación papers conferencias machine learningabstract charlas física conferencias…claro. Por eso es obvio que, claro, cuanta más información le des, mejor va a funcionar. Me parece un poco críptico en ese sentido: que no explica, habla de los otros modelos, pero no los muestra, no compara tan explícitamente. El artículo es ultra compacto. Sí, porque esos son los artículos; esto es un artículo, en inteligencia artificial y machine learning. Los artículos que más impacto tienen son los artículos que son proceedings de conferencias de machine learning importantes; es al revés que en física. Entonces el rate de aceptación de esos papers es menos del 24% creo en general; es muy difícil que te acepten un paper ahí, en vez de mandar un abstract para dar una charla como uno hace en física en una conferencia. Si aceptan el paper, uno va y da una charla o presenta un póster y te publican ese paper en esa conferencia. Que las conferencias buenas como esta, que es NeurIPS o ICML, hay dos que son las mejores; esta está en una de ellas. Son como lo máximo y tienen un…
Cecilia Garraffo describe un hallazgo propio relacionado con el análisis de datos de astronomía de rayos X, los cuales son complejos y requieren una formación especializada para su interpretación.
Habla: Cecilia GarraffoSignificado #18astronomía rayos x eventos fotonesanálisis datos astronomía rayos xfotón llegó al detector energíacecilia garraffo hallazgo propio…los modelos fine-tuneados, o sea, ajustados usando Transfer Learning a tareas específicas. Y esto ya lo sabíamos hace poco: que los modelos más generales y más grandes funcionan mejor en tareas específicas que los modelos específicos o ajustados a una tarea. y es lo que encontramos nosotros también en un paper que todavía no publicamos pero con datos de astronomía rayos X que son datos complicados porque no son imágenes ni texto ni espectros, lo que tiene uno de los rayos X son una lista de eventos de fotones se llaman, es la lista de el tiempo en el que el fotón llegó al detector, el lugar en el detector y la energía del fotón y para interpretar esos datos es bastante, un astrónomo de rayos X, tenés que estar muy entrenado en rayos X y te lleva mucho tiempo y bueno, probamos un modelo que te ayuda a hacer eso, modelos que te ayudan a analizar datos, hay varios, hicimos varios porque estamos muy dedicados a eso, pero lo nuevo es que probamos de unirlo a un Modelo de lenguaje. Y lo más usual en general es hacer algo que se llama Contrastive Learning. Uno tiene un modelo para los datos que te da resultados en tareas de datos, por ejemplo, cuál es la temperatura de esta observación, de este evento astrofísico de…
Cecilia Garraffo explica la diferencia entre entrenar modelos y proporcionarles contexto, destacando su preferencia por no alimentar modelos de lenguaje con datos estructurados.
Habla: Cecilia GarraffoSignificado #17modelo genera contexto para otro modeloartículo aprovecha modelos entrenados con imágenespesos del modelo ya vienen dadoscecilía garraffo no alimenta datos estructurados…en general es que le estás dando en el mismo prompt cuando le preguntas algo o cuando le das los datos; le estás diciendo que estos datos son bla bla bla bla y le hablas del contexto en general. Sin embargo, el entrenamiento modifica los pesos, el disparo de las neuronas Claro, en este caso no estamos entrenando, estamos solamente dándole contexto, de hecho encontramos que cuando puedes también armar un modelo que hace, que genera el contexto para darle a este otro modelo Y el artículo, claro, se aprovecha de que utiliza grandes modelos que ya han sido entrenados con mi multitud de imágenes, eso es lo que te ahorras, los pesos, el modelo ya viene dado y tú ahora con contexto, sí, todavía con esto porque a mí me parece, no sé, un gusto personal es, no me gusta para nada dar datos en forma a un modelo de lenguaje porque no es pensando, capaz que esto nos lleva quizás a algo un poco Más filosófico, por suerte hay un filósofo en la sala, que es: pensamos, ¿cómo pensamos nosotros? En texto, en matemática. Yo siempre pensé: ok, hagamos un modelo matemático que use física y matemática para analizar los datos y después conectémoslo con un…
Cecilia Garraffo argumenta que al reducir el espacio de representación para un modelo, se le obliga a 'pensar' o resumir información, imitando la forma en que los humanos procesan datos.
Habla: Cecilia GarraffoSignificado #19modelo espacio representación humanosresumir información modelosregla reproducir operaciones estudiadasguardar información tablas modelo…Pero llega un punto en el que escribís las ecuaciones; pues es muy difícil hacer todo el lenguaje a eso voy, claro, claro, sí, puede ser porque hay un espacio de representación más compacto que quizás, de hecho, creo que esto es solo lo que yo creo, no sé si. Es correcto, pero creo que cuanto uno más pequeño hace un espacio de representación para un modelo dado, más lo obliga a pensar de alguna manera; porque creo que lo que hacemos cuando pensamos es exactamente eso: es tenemos que resumir la información porque no podemos guardar tanta información, entonces tenemos que encontrar una regla que nos permita reproducir lo que estudiamos o lo que vimos en vez de aprender todas las operaciones, por ejemplo todas las tablas, una manera de poder reproducirlo sin tener que guardar tanta información. Bueno, nos fuimos por las ramas; no sé. Sí, nos fuimos por la rama. Sí, este es un artículo muy interesante y un tema. Claro, porque estos son modelos de lenguaje a los que no se les enseña a pensar ni a razonar, solamente se le da información; solo se mete información y se almacena en un formato súper exótico y ahora le pides, le ofreces unas imágenes que quizás nunca ha…
Cecilia Garraffo comenta la evolución de los modelos de lenguaje, contrastando su capacidad para responder preguntas complejas con la persistencia de errores básicos.
Habla: Cecilia GarraffoSignificado #4modelos lenguaje errores naifrazonamiento modelos lenguaje cecilia garraffocomprensión modelos lenguaje…¿Cuándo hicieron esto, Gastón? Diciembre. Es interesante porque hace un año más o menos hicieron el experimento de ver si el chachi pití de ese momento, el más avanzado de ese momento, pasaba el examen habilitante para ser médico en Estados Unidos, y lo pasó. Pero sin embargo lo que sorprendía era casi lo opuesto, que cometía errores muy naif. Ya podía contestar cosas muy complicadas, pero cometía errores muy naif. Pero cambiaron mucho los modelos de ese momento, y yo me doy cuenta por interactuar con ellos también; o sea, el nivel de, no sé, de comprensión de alguna manera, cambió muchísimo, de razonamiento, ¿no? No veo que sea incompatible con lo que nosotros veíamos primero, porque nosotros lo vimos estando los tres un poco borrachos y jugando con él, ¿no? Eso es verdad, pero no me refiero a eso. Si no me refiero a que los errores en matemática, fíjate que los…
Cecilia Garraffo describe un proyecto en curso con Gastón Giribet que busca desarrollar un modelo de inteligencia artificial para encontrar agujeros negros en teorías de gravedad alternativas a la de Einstein.
Habla: Cecilia GarraffoSignificado #14 · Palabras #4chatgpt cálculos humanosmodelos lenguaje superan humanossumas multiplicaciones modelos lenguajewolfram y modelos lenguaje matemáticasoperaciones nuevas modelos lenguajececilia garraffo duda wolframinteligencia artificial gastón giribetagujeros negros teorías einsteinmachine learning gravedad alternativachatgpt soluciones problemas complejosmodelo explicacion respuestas gastón giribetinsatisfacción cecilia garraffo chatgpt…enseñado que 2 más 2 es igual a 4; ha visto, he escrito muchos libros que 2 más 2 es igual a 4, pero ha visto muy pocos libros que 1523 más 5 es 1528 y por tanto esa operación puede que acierte o puede que no. Sin embargo, esto que decís es contrario a lo que Estamos encontrando de alguna manera, porque eso es lo que uno pensaría y por lo que yo quiero generar y desarrollar modelos físicos que voy a alinear con los de lenguaje. Sin embargo, estamos viendo que no, que los de lenguaje hacen mejor esa tarea de suma, multiplicación que no aprendieron explícitamente, aunque sí la aprendieron porque también tienen los. libros de texto que enseñan eso, ¿no? Pero digo, no es que repitan las operaciones que ya vieron pueden hacer operaciones nuevas porque aprendieron de alguna manera aprendieron a reproducir eso no es que se lo acuerdan de memoria no es así y estamos viendo esto que es lo sorprendente es lo contraintuitivo yo hasta hace poquito he estado completamente de acuerdo con lo que estás diciendo sin embargo ahora lo dudo porque estamos viendo que aunque Wolfram está diseñado para eso quizás el modelo de lenguaje sea mejor. A ver, por ejemplo, con Gastón estamos trabajando en un proyecto que me parece muy interesante: que es desarrollar un modelo de inteligencia artificial, de Machine Learning, para encontrar soluciones, agujeros negros en teorías de gravedad diferentes a las de Einstein, y funciona súper bien. Y ahora me pregunto: si estamos haciendo todo este trabajo. Y vamos y le preguntamos a Yachipiti. Y nos da la solución. Es muy poco satisfactorio. Yo siempre digo que no me importa; que me lo digan y ya está. Pero en realidad, Gastón, ahora estoy repensando eso porque es muy poco satisfactorio que no me diga cómo supo hacerlo; como que te Lo puede decir también. Yo creo que lo que pasa es que se abre un nuevo interés: qué es qué está pasando, por qué pasa. Hay una razón por la que esto pasa, ¿no? La respuesta ingenua será, bueno, qué sé yo; a veces hay una forma más amplia de pensar, como uno…
Gastón Giribet reflexiona sobre la necesidad de mapear un espacio de tópicos para comprender las diferentes formas de pensar y operaciones lógicas que realizan los modelos de inteligencia artificial.
Habla: Gastón GiribetSignificado #20espacio de tópicos inteligencia artificialformas de pensar modelos iaoperaciones lógicas gastón giribet…una máquina que esté entrenada para resolver temas B, pero no temas C, ¿no? Por ejemplo, quiere decir que haya cierta resonancia de problemas. De hecho, en este artículo justamente muestra eso, que para algunos casos no funciona también. Ok, capaz que es eso. Hay como que mapear un espacio de tópicos ahora en los cuales, no sé, diferentes formas de pensar, diferentes operaciones lógicas que haga, no sé, es interesante. Sí, pero ingenuamente si uno sabe cómo esto funciona, uno piensa: ok, no hay ningún misterio, esto uno le da un prompt, va A un espacio de representaciones donde viven cosas y la distancia entre estas cosas en el espacio de representaciones tiene un significado semántico, ¿no? Si estás cerca de algo es porque te pareces en algo más que donde estás puesto. Entonces uno dice, ok,…
Francis Villatoro se despide de Cecilia Garraffo, quien debía cumplir una tarea, agradeciéndole su participación en el podcast y destacando su experiencia en inteligencia artificial aplicada a la ciencia y la astrofísica.
Habla: Francis VillatoroSignificado #2 · Palabras #3inteligencia artificial aplicada cienciaastrofísica experiencia cecilia garraffopodcast cojea inteligencia artificial…los agentes tengamos expertos en distintas cosas y bueno, vamos a poder contestar todas las preguntas, pero me parece que estamos viendo esto, que no, que es mejor tener un experto en todos en todo que muchos expertos en distintas cosas. Sí, sí, sí, curioso. Es curioso, sí; es como que no sé. Bueno, Cecilia, no te quiero robar mucho más tiempo, tenías una tarea que cumplir, ¿no? Sí, sí, sí, sí, sí, me voy a tener que ir, pero me encantaría, sí, me encantaría volver y seguir charlando. Claro, seguimos hablando; además del tema de inteligencia artificial es uno de los temas en los que cojeamos en el podcast y necesitamos a alguien como tú que además lo aplica directamente a la ciencia y a la astrofísica. Dale, bueno, genial, entonces los dejo, gracias por la invitación y nos vemos la semana que viene, probablemente. Chao, chao. Pues bueno, ahora nos queda el siguiente tema. Estábamos esperando que se apuntara Borja, que lo he visto por ahí, por algún sitio, pero no sé si me está escuchando, que se apunte, que se conecte y le escuchamos. Yo quería hablar de un tema que se ha…
Gastón Giribet explica cómo los investigadores argumentan una conexión entre un fenómeno específico (AIGO) y la gravedad cuántica, detallando el funcionamiento del AIGO como un interferómetro con espejos que duplican el láser.
Habla: Gastón GiribetPalabras #20aigo interferómetro kilómetrosespejos duplican láser aigoamplificación del aigo gravedad cuánticaláser veinte watts aigo…de una sola partícula del campo gravitacional, es otra cosa lo llamamos gravitón por una cuestión de abuso de notación, pero es como llamar fotón a una linterna. ¿Está bien? Sí, es un fenómeno colectivo por un montón de fotones, pero es el régimen clásico. Entonces, ¿qué tiene que ver esto con gravedad cuántica? Lo que él argumenta, no voy a decir arguye porque ya robó el verbo Cecilia y se puede decir el verbo arguir una vez por programa, igual que la palabra crivia. Entonces, lo que ellos argumentan es que, dado la amplificación del aigo, porque recordemos cómo funciona el aigo, el aigo es un interferómetro de kilómetros, pero que tiene espejos que hacen que rebote y encima se duplica el láser; tiene un láser de unos 20 watts que termina, la energía. Total en el medio es como 700 watts, o sea, hay como mucha amplificación tanto de potencia como de la longitud propia de los brazos del AIGO, que son, miden unos 3 kilómetros, pero va y viene tantas veces del láser que son larguísimos brazos efectivos.…
Francis Villatoro introduce una serie de preguntas recibidas, algunas relacionadas con inteligencia artificial (IA) y modelos de lenguaje grandes (LLM). Menciona que idealmente Cecilia respondería a estas preguntas, pero se disculpa porque no hay preguntas dirigidas a Borja.
Habla: Francis VillatoroSignificado #7 · Palabras #15preguntas de ia de gabriel osoriopermeabilidad permitividad teorías del étercecililia responde preguntas de ia…combinación lineal incluso de las funciones de onda suponen un grado de entrelazamiento, ya puede haber coeficientes de cualquier tipo, siempre que estén normalizados, coeficientes que a su vez pueden ser complejos, más gracioso todavía. Sí, exactamente. Bueno, otra pregunta; a ver, por aquí hay muchas preguntas, algunas son de IA, no sé si podremos intentar, por ejemplo, claro, lo ideal hubiera sido que las contestara Cecilia, ¿no? Estas de IA, de LLM Gabriel Osorio pregunta: esto puede que... Borja no parece que haya preguntas dirigidas a ti, ¿vale? Te pido perdón. Gabriel Osorio pregunta: explican que la permeabilidad y permitividad del vacío son herencia de las teorías del éter. ¿Cómo se reemplazaron y cómo se explican ahora? Explican como diciendo que ha escuchado algo en internet o que alguien le ha dicho que la permeabilidad y permeatividad del vacío son herencia de las teorías del éter. ¿Cómo se reemplazan esos conceptos ahora…
Los físicos discuten sobre la simetría del mundo a altas energías, contrastándola con las energías a las que los humanos estamos acostumbrados.
Habla: Francis VillatoroSignificado #11 · Palabras #16simetría del mundo altas energíasfísicos teóricos energías humanaspreguntas interés artificial cecilia…todo, sobre todo, sí, sí, son teorías muy, exactamente, como dice Francis, esto pasa en teoría, se ha observado esta curiosidad en teorías con mucha simetría, bueno, cuando hay mucha simetría hay cosas bonitas que pasan que no pasan en el mundo real, ¿no? Lo que esperamos los físicos, que somos muy teóricos, es que a muy altas energías el mundo sea muy simétrico y no así a nuestras energías, ¿no? Pues bueno, yo creo que ya hemos, ya os digo, las preguntas de interés artificial las estoy omitiendo por el tema de que no tenemos a Cecilia y si las podéis formular por la semana que venga ella de nuevo. Que supongo que será la semana que viene o en unas cuantas semanas, y así que vamos a cortar el programa ya por hoy. Yo creo que ya hemos dado lo suficiente; hemos cubierto aquí nuestras dos horas y cuarto, más la hora inicial, tres horas y cuarto. Yo creo…
