Búsqueda · 33 momentos en 19 episodios
María RibesAlberto ApariciJuan Carlos GilIgnacio CrespoFrancis VillatoroHéctor SocasLuisa AchaerandioPushmeet Kohli · DeepMindThore Graepel · DeepMindalphafold 3 próximos pasosinvestigación biológica aspectos fundamentalesconocimiento humano alpha goalphagol impulsó alphafoldalphafold 1 proceso dos pasosred neuronal proteínas cercanasmódulo predice estructura tridimensionalalphafold ii red neuronalestructura tridimensional secuencia aminoácidosarquitectura red neuronal conocimiento científicoAlphaFold 3AlphaGoFrancis VillatoroJuan Carlos GilHéctor SocasAlphaFoldPremio Nobel de Química
Alfa Fold 3
Con
0:000:301:001:302:002:303:003:33
Francis Villatoro pregunta a Juan Carlos Gil sobre los próximos pasos en relación con AlphaFold 3 y qué aspectos fundamentales aún quedan por resolver en el campo de la investigación biológica.
…el plegamiento de proteínas me parecía completamente intratable. Así que finalmente AlfaFold logró resolver este problema, transformando lo que había sido un gran desafío de 50 años en una nueva base fundamental para la investigación biológica. Entonces, Dr. Colley, mi pregunta es: ¿qué viene ahora con AlphaFold 3 y qué aspectos fundamentales quedan aún sin resolver en este campo? Sí, yo creo que lo que AlphaGo nos demostró es que podemos ir mucho más allá de lo que el conocimiento humano nos permite y así ser capaces de generar nuevas y muy valiosas perspectivas. Y en cierto sentido comenzamos el proyecto de AlphaFold inmediatamente después del partido de Lissedol porque aquello nos dio la confianza necesaria para explorar a fondo toda esta área. La primera iteración de AlphaFold, AlphaFold 1, fue construida como un proceso de dos pasos: en primer lugar, había una red neuronal que nos proporcionaba algunas ideas o pistas sobre qué proteínas podrían estar próximas entre sí; y luego, en segundo lugar, había un módulo más clásico que se encargaba de intentar predecir la estructura tridimensional. Para AlphaFold II comenzamos completamente desde cero y lo abordamos de principio a fin, con una única red neuronal, partiendo exclusivamente de la secuencia de aminoácidos para predecir la estructura tridimensional. Y esa elegancia y la simplicidad de aquella solución, con una gran cantidad de conocimiento científico muy interesante integrado en la arquitectura de la red neuronal, fue la clave para lograr ese asombroso éxito. Así que si lo piensas, AlphaFault resolvió ese gran desafío, pero más ampliamente es solo un paso en nuestra comprensión de la biología; así que las proteínas son los pilares de la vida y hacen que todos los fenómenos biológicos ocurran. Pero si observamos la…
Significado #1
Héctor Socas explica cómo los sistemas de inteligencia artificial aprenden a jugar, no mediante programación humana directa, sino jugando partidas repetidamente. Menciona AlphaFold y su impacto en la bioquímica al recibir el Premio Nobel de Química en 2024.
Habla: Héctor SocasSignificado #11alphafold y el premio nobel químicaaprendizaje jugando partidas inteligencia artificialplegamiento de proteínas alphafold…juegos de guerra, como decían desde el principio de la película: que Whopper estaba continuamente jugando a la Tercera Guerra Mundial y ese fruto de estar 24 horas al día, 7 días a la semana jugando a la Tercera Guerra Mundial es como iba aprendiendo. pues la idea era hacer eso, un sistema que aprendiera a jugar a base de jugar partidas, no de ser programado por humanos como tenía que jugar y esa línea ha sido muy exitosa; de hecho, aquí hemos hablado muchísimo, no tanto de AlphaGo sino de AlphaFold, que fue un poco la secuela que hacía el plegamiento de proteínas y que recibió el premio Nobel de Química en 2024 por ese gran avance que supuso en la bioquímica: el poder predecir la estructura de proteínas. Entonces, volviendo al fagón, nosotros recuerdo que lo comentamos y recuerdo que Alberto nos hablaba en aquel momento del juego del go, las dificultades que tenía y tal. Entonces, se cumplían 10 años la semana pasada. De hecho, el día que grabamos la…
Francis Villatoro pregunta a Juan Carlos Gil sobre los próximos pasos en relación con AlphaFold 3 y qué aspectos fundamentales aún quedan por resolver en el campo de la investigación biológica.
Habla: Francis VillatoroSignificado #1alphafold 3 próximos pasosinvestigación biológica aspectos fundamentalesconocimiento humano alpha goalphagol impulsó alphafoldalphafold 1 proceso dos pasosred neuronal proteínas cercanasmódulo predice estructura tridimensionalalphafold ii red neuronalestructura tridimensional secuencia aminoácidosarquitectura red neuronal conocimiento científico…el plegamiento de proteínas me parecía completamente intratable. Así que finalmente AlfaFold logró resolver este problema, transformando lo que había sido un gran desafío de 50 años en una nueva base fundamental para la investigación biológica. Entonces, Dr. Colley, mi pregunta es: ¿qué viene ahora con AlphaFold 3 y qué aspectos fundamentales quedan aún sin resolver en este campo? Sí, yo creo que lo que AlphaGo nos demostró es que podemos ir mucho más allá de lo que el conocimiento humano nos permite y así ser capaces de generar nuevas y muy valiosas perspectivas. Y en cierto sentido comenzamos el proyecto de AlphaFold inmediatamente después del partido de Lissedol porque aquello nos dio la confianza necesaria para explorar a fondo toda esta área. La primera iteración de AlphaFold, AlphaFold 1, fue construida como un proceso de dos pasos: en primer lugar, había una red neuronal que nos proporcionaba algunas ideas o pistas sobre qué proteínas podrían estar próximas entre sí; y luego, en segundo lugar, había un módulo más clásico que se encargaba de intentar predecir la estructura tridimensional. Para AlphaFold II comenzamos completamente desde cero y lo abordamos de principio a fin, con una única red neuronal, partiendo exclusivamente de la secuencia de aminoácidos para predecir la estructura tridimensional. Y esa elegancia y la simplicidad de aquella solución, con una gran cantidad de conocimiento científico muy interesante integrado en la arquitectura de la red neuronal, fue la clave para lograr ese asombroso éxito. Así que si lo piensas, AlphaFault resolvió ese gran desafío, pero más ampliamente es solo un paso en nuestra comprensión de la biología; así que las proteínas son los pilares de la vida y hacen que todos los fenómenos biológicos ocurran. Pero si observamos la…
Juan Carlos Gil, junto con Héctor Socas, reflexiona sobre el desarrollo de AlphaGo y su capacidad para evaluar el progreso en una partida de Go. Se plantea la pregunta de por qué AlphaFold se aplicó al plegamiento de proteínas.
Habla: Juan Carlos GilSignificado #9alphago evaluación progreso partida goalfafol plegamiento proteínas criterio fundamentalimpacto humanidad alfafol problema científico…que tiene más piezas y el que tiene más o menos el centro del tablero tiene mayor densidad de piezas por el centro del tablero va ganando, salvo que veas que uno tiene el rey acorralado; hay como un par de cositas que te hacen ver quién va ganando la partida. Y claro, en Go debe ser mucho más complicado eso. Y yo creo que uno de los grandes éxitos para poder desarrollar AlphaGo fue poder desarrollar algo que te permite evaluar cuánto de bien lo estás haciendo. Pero llevando la conversación, saliendo un poco del go, que es muy interesante, pero esto es un podcast de ciencia, ¿por qué abordaron con alfafol el plegamiento de proteínas? Pues uno de los criterios fundamentales, no solo por el absurdo impacto que puede tener en la humanidad, que si queréis lo discutimos, obviamente, sino porque tenían contra qué comparar, y eso no se da en muchos problemas científicos existían decenas de miles de Proteínas cuya estructura había sido ya determinada con mucho dolor mediante técnicas que a menudo llevaban decenas de años y que estaban disponibles en una base de datos accesible, el PDB, el Protein Data Bank, donde pone la secuencia de aminoácidos y la…