Búsqueda · 16 momentos en 6 episodios
Luisa AchaerandioIsabel CorderoJuan Carlos GilIgnacio CrespoFrancis VillatoroHéctor SocasGastón Giribetalphatensor optimiza multiplicación matricesalphadev mejora ordenación lista calgoritmo alphadev librería estándar calpha proof combina inteligencia artificialalpha evolve optimiza distribución mercancías googledeepmind prueba teoremas lenguaje formalgoogle utiliza sistemas deepmind centros datosDeepMindAlphaTensorAlphadevAlpha ProofAlpha EvolveGoogleAlphaGoAlphaFoldLisedolJuan Carlos Gil
Alphadev
Con
0:000:301:001:302:002:303:003:20
Juan Carlos Gil continúa describiendo las aplicaciones de DeepMind, mencionando AlphaTensor y Alphadev como ejemplos de sistemas que optimizan algoritmos computacionales.
…lugar de resolver las ecuaciones de la atmósfera con enormes supercomputadores y simulaciones es capaz de aprender sus dinámicas a partir de datos previos, tabulados desde hace cientos de años y usar esos datos para hacer previsiones meteorológicas a futuro. No solo eso, ya puestos DeepMind han atacado a muchísimos otros dominios; por ejemplo, a AlphaTensor, que fue capaz de descubrir algoritmos más eficientes, en particular para multiplicar matrices, también lo comentábamos. Por ejemplo, el caso de la matriz de 4x4 redujo a 47 multiplicaciones desde las 49 que tenía el mejor algoritmo humano previo, o Alphadev, otro de estos sistemas que optimizó algoritmos computacionales básicos como los de la ordenación de una lista desordenada de tal forma que se han incorporado a la librería estándar de C++; más, una librería que en el módulo de ordenación por lo visto no se tocaba desde hacía 10 años. Estaba todo resuelto hasta que la mejoró ligeramente AlphaDev con un algoritmo que para listas cortas es un 70% más eficaz en CPUs modernas que los mejores conocidos. Algunos otros más recientes como Alpha Proof y Alpha Evolve que combinan distintos sistemas de inteligencia artificial, no uno solo, incluyendo no solo los que he comentado antes sino también modelos de lenguaje son capaces de probar teoremas mediante lenguaje formal y también son capaces de optimizar problemas prácticos de distribución de mercancías, de cosas así, que está utilizando la misma Google, dueño de DeepMind, para sus propios centros de datos. y todavía más recentemente DeepMind tiene otra línea de investigación centrada En lo que ellos llaman razonamiento y descubrimiento con sistemas como AI Ecoscientist y Gemini 3, el módulo que llaman de DeepThink, pensamiento profundo, que no se centran ya solamente en explorar el espacio de soluciones de un problema concreto, sino que…
Significado #1 · Palabras #1
Juan Carlos Gil explica el problema del plegamiento de proteínas y cómo AlphaFold, derivado de AlphaGo, logró resolverlo.
Habla: Juan Carlos GilSignificado #20plegamiento de proteínas problema décadasalphafold derivado de alphagoestructuras de 200 millones de proteínasalphafold jugó plegar proteínas…Este de aquí se junta con el otro porque tienen afinidad y sí conocemos razonablemente bien estas interacciones individuales, pero de nuevo el problema, el número de formas posibles en el que una cadena razonablemente larga de aminoácidos se puede plegar en tres dimensiones pues es astronómico. ese es el problema del plegamiento de las proteínas que fue durante décadas abierto, pues explicar, dar con la estructura tridimensional de una sola proteína podía ser el trabajo de un doctorando, de un doctorado entero durante cuatro años, ¿vale? Entonces llegó AlphaFold, un derivado de alguna forma de AlphaGo, o por lo menos AlphaGo eran los cimientos, que no se entrenó para jugar al juego del Go, sino se entrenó para jugar al juego de Pleger Proteínas Y vamos, lo ganó, como con Lisedol predijo las estructuras de las 200 millones de proteínas que eran básicamente todas las que se conocían Así que no fue un avance incremental, pasaron de tardar cuatro años un equipo a hacerse todas de golpe O sea, claramente pues transformó un problema tremendamente difícil en algo prácticamente rutinario Y eso no... Un problema que tiene mucha utilidad práctica, o sea, no estamos…
Juan Carlos Gil continúa describiendo las aplicaciones de DeepMind, mencionando AlphaTensor y Alphadev como ejemplos de sistemas que optimizan algoritmos computacionales.
Habla: Juan Carlos GilSignificado #1 · Palabras #1alphatensor optimiza multiplicación matricesalphadev mejora ordenación lista calgoritmo alphadev librería estándar calpha proof combina inteligencia artificialalpha evolve optimiza distribución mercancías googledeepmind prueba teoremas lenguaje formalgoogle utiliza sistemas deepmind centros datos…lugar de resolver las ecuaciones de la atmósfera con enormes supercomputadores y simulaciones es capaz de aprender sus dinámicas a partir de datos previos, tabulados desde hace cientos de años y usar esos datos para hacer previsiones meteorológicas a futuro. No solo eso, ya puestos DeepMind han atacado a muchísimos otros dominios; por ejemplo, a AlphaTensor, que fue capaz de descubrir algoritmos más eficientes, en particular para multiplicar matrices, también lo comentábamos. Por ejemplo, el caso de la matriz de 4x4 redujo a 47 multiplicaciones desde las 49 que tenía el mejor algoritmo humano previo, o Alphadev, otro de estos sistemas que optimizó algoritmos computacionales básicos como los de la ordenación de una lista desordenada de tal forma que se han incorporado a la librería estándar de C++; más, una librería que en el módulo de ordenación por lo visto no se tocaba desde hacía 10 años. Estaba todo resuelto hasta que la mejoró ligeramente AlphaDev con un algoritmo que para listas cortas es un 70% más eficaz en CPUs modernas que los mejores conocidos. Algunos otros más recientes como Alpha Proof y Alpha Evolve que combinan distintos sistemas de inteligencia artificial, no uno solo, incluyendo no solo los que he comentado antes sino también modelos de lenguaje son capaces de probar teoremas mediante lenguaje formal y también son capaces de optimizar problemas prácticos de distribución de mercancías, de cosas así, que está utilizando la misma Google, dueño de DeepMind, para sus propios centros de datos. y todavía más recentemente DeepMind tiene otra línea de investigación centrada En lo que ellos llaman razonamiento y descubrimiento con sistemas como AI Ecoscientist y Gemini 3, el módulo que llaman de DeepThink, pensamiento profundo, que no se centran ya solamente en explorar el espacio de soluciones de un problema concreto, sino que…