Búsqueda · 27 momentos en 1 episodio
María RibesAlberto ApariciJuan Carlos GilIgnacio CrespoFrancis VillatoroHéctor SocasLuisa AchaerandioPushmeet Kohli · DeepMindThore Graepel · DeepMindthor greipel deepmind inteligencia artificialcontrol partido famosísimo isidolcreador fagón deepmindorigen hindú pushmet kohliturbante y religión pushmet kohlirelación turbante religión hinduismopushmit kohli investigador senior googledepmindinvestigación inteligencia artificial asuntos científicosdesarrollo alfago por pushmit kohliIBMGoogle DeepMindAlphaGoPushmit KohliGrafCasthuracán LeeLewis Fry RichardsonJuan Carlos GilThor GreipelDeepMindSeúlFrancis VillatoroPushmit ColleyTore GreipelMaríaGoogleLee SedolHéctor SocasFagóIgnacio CrespoHolocenoantiguo EgiptoAlberto ApariciEgipto AntiguoCientófiloDeep BlueKasparovAjedrezProtein Data BankPDBAlphaFoldInternet ArtificialCatherine ClarkTesis doctoralArtículo científicoAcastÁrbol Monte CarloRedes NeuronalesMaría Ribes
DeepMind usa datos históricos graphcast
Con
0:000:301:001:302:002:303:003:33
Juan Carlos Gil explica que Pushmit Kohli, aunque inicialmente no formó parte del equipo central de AlphaGo en IBM, fue posteriormente reclutado por DeepMind y ahora ocupa un puesto de investigación senior en Google DeepMind.
…lo podría pronunciar así, pero bueno, me quise asegurar y me dijo: sí, sí, digo, vale. Sí, dijo que lo habías pronunciado muy bien Juan Carlos; quieres rápidamente hacer la introducción y pasamos ya a poner la entrevista. Bueno, pues sí, estas dos personas. Thor Greipel, disculpad, es un científico de DeepMind especializado en inteligencia artificial, en particular aprendizaje automático y era especialmente relevante en este contexto porque fue parte del equipo original y estuvo en Seúl jugando, aportando su control al partido famosísimo contra el Isidol. De hecho, en su página personal aparece: Contribuí a crear al fagón. Es como quizá la frase que quede para la historia. Además, se explica como un libro abierto. Vamos, a mí me dejó realmente impresionado oírle. Pushmet Kohli, el hindú, no estaba entonces en DeepMind; creo que estaba en... Perdón, es que no sabemos si es hindú, porque hindú es una religión. Ciertamente. Es de origen hindú. Bueno, pero lleva el turbante, ¿no es eso estar relacionado con la religión? Sería sí. No, sí, no, sí. Correcto, vale. Bueno, pues estaban, no sé si en IBM en aquel momento, bueno, que no estaba en DeepMind, o sea que no formó parte core del equipo de AlphaGo, sin embargo luego DeepMind le reclutó y ahora es investigador senior y vicepresidente de Research, de investigación de inteligencia artificial para asuntos científicos en Google DeepMind y entonces él sí fue parte pivotal en el desarrollo de alfago, digamos, de alfafol quería decir, perdón, sí, y de otros proyectos científicos que si tenemos tiempo comentamos, alguno de ellos saqué a colación en la entrevista. Vale, pues vamos ya con la entrevista. Perfecto, gracias chicos. Pues ponemos la entrevista y volvemos aquí un ratillo; dura 26 minutos casi exacto. Sí, María. Quiero decir que tenemos suerte de tener a Juan Carlos y Alberto porque creo que no puede haber mejores…
Significado #12 · Palabras #1
Héctor Socas introduce los temas a tratar en el episodio, incluyendo avances en aprendizaje profundo como la victoria de AlphaGo sobre un campeón de Go, así como otros temas diversos como el embalsamamiento egipcio y experimentos con criogenización cerebral.
Habla: Héctor SocasPalabras #11alphago derrota campeón goembalsamamiento momias egipto antiguocriogenización tejido cerebralteorías conciencia debate científico…felicidad. Quizás hay una moraleja escondida en esto y la clave de la felicidad es el justo equilibrio. Buen tema para un tratado de autoayuda. Pero no estamos aquí hoy para eso, sino para tertuliar sobre la actualidad de la ciencia. Hoy nuestro recorrido nos Lleva a los orígenes del aprendizaje profundo moderno; vamos a retrotraernos 10 años a ese gran hito de DeepMind cuando su sistema AlphaGo derrotó en una partida legendaria al gran campeón humano de Go. Pero no solo de IA vive el Cientófilo, y tenemos más temas: el embalsamamiento de las momias en el Egipto Antiguo, los experimentos sobre criogenización de tejido cerebral, lo que algunos ven la antesala de la hibernación. Continuaremos el debate sobre las teorías de la conciencia y más cosas que irán surgiendo, seguro. Pasen y pónganse cómodas; que están ustedes en la compañía de Coffee Break Señal y Ruido. Ya Saben que tenemos una página web que es señalirruido.com. En esa página pueden encontrar todos los episodios anteriores, los 550 episodios que ya hemos producido contando este más todos los audios bonus, extra; también todas las referencias de los temas que…
Héctor Socas anticipa posibles problemas de acceso al podcast durante una transición y pide paciencia a los oyentes. Menciona la experiencia previa con Acast.
Habla: Héctor SocasPalabras #18problemas de acceso podcast transiciónexperiencia previa con acasttransición podcast hector socas…plataforma favorita, que además nosotros siempre hemos tenido ese requisito de que debe ser universalmente accesible: que todo el mundo lo pueda acceder en cualquier plataforma sin ningún tipo de exclusividad. Pero bueno, eso que cabe la posibilidad de que a lo largo de esta semana yo me equivoque en algo y durante algún tiempo pues a lo mejor no se pueda acceder o hay algún problema, les pido un poco de paciencia pero yo creo que no, yo creo que irá todo bien en la transición y que ustedes no notarán nada Y tienes experiencia histórica porque ya estuvimos un año en ACAST, ¿no? Sí, hace dos años efectivamente estuvimos ¿Se dice ACAST, ACAST ¿O cómo se dice? Yo no tengo ni idea, en inglés creo que dicen Acast cuando ponen las promos por ahí y tal, pero yo creo que en español decimos Acast y no sé. Y tan ricamente, y tan ricamente; bueno, esta pregunta la debería haber respondido María, no sé qué…
Héctor Socas presenta una entrevista grabada previamente con Pushmit Colley y Tore Greipel, destacando su trabajo en DeepMind de Google y la importancia del aniversario de un hito en inteligencia artificial: el juego de Go.
Habla: Héctor SocasSignificado #3 · Palabras #3aniversario diez años partida go deepmindidioma hindi pushmit colleylaboratorio deepmind de google inteligencia artificial…pasada, que a mí me parece que ha quedado muy chula, sobre todo porque no he intervenido yo así que es un disfrute de escuchar con dos protagonistas del desarrollo de la inteligencia artificial en esta última década que son las personas cuyos rostros ven en. la imagen de portada de este episodio, se llaman Pushmit Colley, el que aparece con un turbante y Tore Greipel, yo lo he pronunciado fatal pero María se ha pegado el curre de buscar cómo pronunciarlo adecuadamente y además hablarles a cada uno de ellos en su idioma natal, que también te lo ha traducido, porque uno de ellos su idioma natal es hindi y el otro es alemán. Y pues son del laboratorio DeepMind de Google, que saben que ha sido uno de los grandes motores de la inteligencia artificial en los últimos 15 años o así, y sobre todo porque estos días se cumple un aniversario muy importante que son 10 años de esa partida de Go, el juego, Ese juego asiático del que ahora nos hablará Alberto, que es muy aficionado. De hecho, yo recuerdo que de esto hablamos en Coffee Break hace 10 años y que yo no sé si llegamos a hablar de cuando tuvo lugar esta partida, pero sí que hubo episodios en los que…
Héctor Socas reflexiona sobre la evolución de la inteligencia artificial, comparando los logros anteriores en juegos como ajedrez con la revolución que supuso DeepMind al vencer a campeones humanos en el juego del Go.
Habla: Héctor SocasSignificado #11deep blue venció a kasparovmáquinas derrotan campeones humanos ajedrezprogramación limitada juegos complejos…de cuando tuvo lugar esta partida, pero sí que hubo episodios en los que hablamos de esta serie, de este enfrentamiento en este juego tan complejo del que Alberto ahora nos va a hablar un poco y fue muy revolucionario porque a ver ya teníamos desde los. Años 90, desde que Deep Blue venció a Kasparov, ya teníamos máquinas que eran capaces de derrotar a campeones humanos en ajedrez y otros juegos así intelectuales, ¿no? Pero yo creo que la gran diferencia es que hasta ese momento eran máquinas programadas y ya, y claro, eso de programar, esa filosofía de programar no sirve para un juego tan complejo como el Go. Incluso para el ajedrez valía, fíjense ustedes: el ajedrez es un juego que tenemos como algo tan complejo y tan elevado intelectualmente. Es más fácil programar máquinas que puedan derrotarte en ajedrez que en juegos como el Go. El logro es que aquí ya…
Héctor Socas explica una opción automática para el doblaje utilizando inteligencia artificial, describiendo un resultado inicial cómico y no publicable.
Habla: Héctor SocasPalabras #17doblaje automático inteligencia artificialtraducción voces inglés español sistemaacento extranjero intento español sistema…estuviera resfriado. Este es el problema filosófico, Alberto: Si alguien está resfriado pero no se nota, ¿realmente está resfriado? En el mundo de la posverdad no se sabe si la realidad es la realidad o el mensaje. Muy bien, muy bien expresado, Juan Carlos. Total, que... Ah, bueno, que quería decirles: hay una opción que es totalmente automática. Tú le pones aquello y él te hace todo el doblaje. Probamos eso y la verdad es que el resultado fue gracioso; no publicable, pero gracioso. Si tenemos tiempo luego les cuento alguna anécdota, sobre todo porque hay un problema y es que estamos intentando traducir voces de gente que está hablando en inglés, traducirlas al español, entonces el sistema usa las voces que ha recogido en inglés y las intenta poner a hablar en español y entonces queda como con un acento de un extranjero que está intentando hablar español, pero no es su idioma nativo; entonces quedaba muy raro aquello. quedaba muy raro porque todos conocemos las voces de Juan Carlos, María y Alberto lo mismo si no las conociéramos las voces hubiera quedado perfecto un espanglis además tiró con un tono de español, posiblemente latinoamericano o algo así que es el tono…
Francis Villatoro comenta sobre una jugada inusual realizada por Lee Sedol durante un enfrentamiento contra AlphaGo, donde intentó confundir a la máquina con movimientos inesperados.
Habla: Francis VillatoroSignificado #9 · Palabras #5jugada inusual lee sedol alphagomovimientos inesperados alphago deepmindmáquina confundida por lissedolvictoria humana contra alphagolee sedol vence a fagódeepmind parchea defecto alphagoaprendizaje jugando contra la máquina…las partidas a Lissedol 4-1, Alberto 4-1, 4-1, sí la cuarta la ganó la cuarta es el retorno de la humanidad y recordad, la cuarta la ganó Lissedol y acojonó a Dismain porque Dismain dijo: como me gane la quinta, porque lo que hizo fue engañar a la máquina. Queda dudoso, ¿no? Lissedol hizo una jugada absolutamente idiota en plan: esto la máquina no lo va a entender y va a fallar, que es que estuvo probando muchas cosas y lo logró; la máquina completamente se perdió, no se enteró de nada, de la misa a la mitad y entonces pensaron los de DeepMind, como en la quinta vuelva a hacer lo. Mismo Licedol, con que gane 2 de 3, ya el humano ha ganado la máquina porque el humano ha tenido que aprender a jugar contra la máquina y lo ha logrado y la ha vencido; entonces era fundamental que en la quinta volviera a ganar al Fagó y ganó al Fagó. Claro, y DeepMind confesó que entre la cuarta y la quinta parcheó ese defecto, muy a posterior y varios años después, así se aprende. También, bueno quería llegar con todo esto al famoso segundo juego, que es donde tiene lugar la jugada 37, de la que hablamos en la entrevista. Y de hecho lo están preguntando también en el chat, lo acabo de ver entonces, la jugada 37 es básicamente una…
Juan Carlos Gil explica que Pushmit Kohli, aunque inicialmente no formó parte del equipo central de AlphaGo en IBM, fue posteriormente reclutado por DeepMind y ahora ocupa un puesto de investigación senior en Google DeepMind.
Habla: Juan Carlos GilSignificado #12 · Palabras #1thor greipel deepmind inteligencia artificialcontrol partido famosísimo isidolcreador fagón deepmindorigen hindú pushmet kohliturbante y religión pushmet kohlirelación turbante religión hinduismopushmit kohli investigador senior googledepmindinvestigación inteligencia artificial asuntos científicosdesarrollo alfago por pushmit kohli…lo podría pronunciar así, pero bueno, me quise asegurar y me dijo: sí, sí, digo, vale. Sí, dijo que lo habías pronunciado muy bien Juan Carlos; quieres rápidamente hacer la introducción y pasamos ya a poner la entrevista. Bueno, pues sí, estas dos personas. Thor Greipel, disculpad, es un científico de DeepMind especializado en inteligencia artificial, en particular aprendizaje automático y era especialmente relevante en este contexto porque fue parte del equipo original y estuvo en Seúl jugando, aportando su control al partido famosísimo contra el Isidol. De hecho, en su página personal aparece: Contribuí a crear al fagón. Es como quizá la frase que quede para la historia. Además, se explica como un libro abierto. Vamos, a mí me dejó realmente impresionado oírle. Pushmet Kohli, el hindú, no estaba entonces en DeepMind; creo que estaba en... Perdón, es que no sabemos si es hindú, porque hindú es una religión. Ciertamente. Es de origen hindú. Bueno, pero lleva el turbante, ¿no es eso estar relacionado con la religión? Sería sí. No, sí, no, sí. Correcto, vale. Bueno, pues estaban, no sé si en IBM en aquel momento, bueno, que no estaba en DeepMind, o sea que no formó parte core del equipo de AlphaGo, sin embargo luego DeepMind le reclutó y ahora es investigador senior y vicepresidente de Research, de investigación de inteligencia artificial para asuntos científicos en Google DeepMind y entonces él sí fue parte pivotal en el desarrollo de alfago, digamos, de alfafol quería decir, perdón, sí, y de otros proyectos científicos que si tenemos tiempo comentamos, alguno de ellos saqué a colación en la entrevista. Vale, pues vamos ya con la entrevista. Perfecto, gracias chicos. Pues ponemos la entrevista y volvemos aquí un ratillo; dura 26 minutos casi exacto. Sí, María. Quiero decir que tenemos suerte de tener a Juan Carlos y Alberto porque creo que no puede haber mejores…
Alberto Aparici y Francis Villatoro comentan el décimo aniversario del segundo juego entre AlphaGo y Lee Sedol, un momento histórico para AlphaGo. Se dirige a ellos como 'entrenadores' de AlphaGo para preguntarles cómo se prepararon para la serie y qué esperaban del resultado.
Habla: Alberto ApariciPalabras #9búsqueda en árbol monte carloalphago contra lee sedol momento históricoentrenadores de alphago preparación serie…datos de partidas utilizando técnicas de aprendizaje automático. Y así la función principal de estas dos redes neuronales consiste en reducir significativamente el tamaño de este inmenso árbol de juego combinatorio, y luego existe otra técnica muy específica. conocida como búsqueda en árbol Monte Carlo que nos permite de una manera muy eficiente explorar y analizar las ramas restantes del árbol. Gracias, muy interesante. Así que hoy es exactamente el décimo aniversario del segundo juego, creo, de AlphaGo contra Lee Sedol y esa serie, AlphaGo contra Lee Sedol, es, podría decirse, el momento histórico para AlphaGo. Así que quería preguntarles, ustedes fueron de alguna manera los entrenadores, digamos, de Álfago Entonces, ¿cómo se prepararon para una serie de este tipo y esperaban el resultado? Que fue realmente asombroso Sí, así que la verdad es que sí requirió muchísima preparación, ¿sabes? Al principio el sistema era muy, muy, muy primitivo y no funcionaba del todo bien, aunque me ganó en mi primer día de trabajo cuando lo probé. Y luego lo fuimos desarrollando cada vez más…
Juan Carlos Gil comenta sobre el impacto histórico del encuentro entre AlphaGo y Lee Sedol, destacando cómo la inteligencia artificial pudo navegar un espacio combinatorio inmenso y transformó la ciencia.
Habla: Juan Carlos GilPalabras #10alfago contra lee sedol históricointeligencia artificial espacio combinatorioinvestigación biológica base fundamental…de la cual precisamente estamos conmemorando el aniversario hoy, tal como mencionas. Sí, más adelante te preguntaré sobre la jugada 37, pero ahora te dejo con mi colega Juan Carlos, quien también quiere hacerte algunas preguntas. Sí, gracias Alberto, así es. Sin lugar a dudas, el encuentro contra Lisedol resultó ser histórico, pero al mismo tiempo demostró claramente que la inteligencia artificial era capaz de navegar ese inmenso espacio combinatorio que usted ha descrito, una idea que finalmente transformaría por completo la ciencia. Hace 30 años yo realizaba simulaciones por computadora, personalmente, y 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…
Ignacio Crespo reflexiona sobre la enorme complejidad que existe entre los niveles molecular (proteínas) y el fenotipo humano, destacando la falta de datos suficientes para inferir conclusiones.
Palabras #20proteínas y fenotipo humano complejidadfalta datos inferir conclusionesplegamiento de proteínas base sólida…proteínas es de aproximadamente 10 a la menos 9 metros, por lo que un nanómetro es más o menos el tamaño que realmente importa en ese nivel. Pero un organismo, o al menos a los ojos de un físico, un organismo mide aproximadamente un metro de altura, ¿verdad? Así que tenemos nueve órdenes de magnitud entre lo que sucede a nivel de las proteínas y lo que ocurre a nivel del fenotipo humano y cada uno de estos niveles está repleto de una gran complejidad, gran parte de la cual aún no se comprende del todo y sobre mucha de la cual tampoco disponemos de suficientes datos para poder inferir conclusiones todavía y así nos espera un gran camino por delante ahora, afortunadamente, sobre una base muy sólida en el ámbito del plegamiento de proteínas. Sí, absolutamente. Entonces, creo que tenemos que avanzar realmente a nivel de no solo entender las proteínas, entender otros tipos de moléculas biológicas como los ácidos nucleicos. Entonces tenemos que pensar en cómo operan las células e incluso dentro de las células cómo…
Juan Carlos Gil reflexiona sobre la complejidad de los sistemas biológicos y cómo emergen sus fenotipos organizativos, antes de cambiar de tema para hablar del modelo de pronóstico meteorológico GrafCast.
Habla: Juan Carlos GilSignificado #1fenotipo organizativo sistemas biológicospronóstico meteorológico grafcast huracán leemodelo grafcast chip predicción tiempolewis fry richardson cálculo atmosféricomodelo meteorológico grafcast predicción tiemposimulaciones moleculares dinámicas estructuras proteicasecuaciones rigen la naturaleza predecirla…los tejidos, porque es que una célula cancerosa digamos responde de esta manera particular, cuál es la gramática de las células y luego a medida que las células se van agrupando, a medida que las recoges y formas tejidos, ¿cómo reaccionan estos tejidos? Y luego, ¿cómo emerge el fenotipo organizativo de todo ese sistema completo? Es evidente que disfrutan mucho de su trabajo, eso está claro. Cambiemos un poco de tema: Su modelo de pronóstico meteorológico, GrafCast, fue capaz de predecir la llegada a tierra del huracán Lee con nueve días de antelación y de generar un pronóstico de 10 días en aproximadamente un minuto en un solo chip. Lewis Fry Richardson, quien intentó calcular el tiempo atmosférico a mano, probablemente se asombraría muchísimo. Mi pregunta es: ¿estamos pasando de resolver las ecuaciones a realmente comprender el sistema? Creo que esta es una pregunta muy, muy interesante. Durante mucho, mucho tiempo hemos estado limitados por lo que podíamos computar. Pensábamos que estas eran las ecuaciones que rigen la naturaleza y para que podamos predecirla tenemos que resolver esas ecuaciones. ¿Y eso ocurrió a nivel de la comprensión de las estructuras proteicas porque allí estábamos realizando simulaciones moleculares dinámicas? Y eso también ocurrió a nivel de la comprensión del clima. donde ahora tenías que, o sea, estabas simulando el tipo de clima y tratando de ver qué sucedía. Lo que las redes neuronales nos han demostrado es que a veces existen atajos muy interesantes que quizás no llegamos a apreciar o a comprender del todo y para los…
Francis Villatoro reflexiona sobre cómo los modelos de redes neuronales están logrando predicciones efectivas en el clima al aprovechar patrones estadísticos inherentes a la naturaleza.
Habla: Francis VillatoroSignificado #5redes neuronales simulan climasupercomputadoras vs redes neuronaleschip para simulaciones climáticasteoría desconocida modelos climáticosredes neuronales predicciones climapatrones estadísticos inherentes naturalezacomplejidad inherente al problema climáticointerpretabilidad de los resultados limitada…muy interesantes que quizás no llegamos a apreciar o a comprender del todo y para los cuales no poseemos la teoría actual que los explique. pero de alguna manera hay una prueba de concepto que lo valida. Hay una prueba de existencia de que el modelo con mucha menos cantidad de computación de la que una supercomputadora necesitaba en más de un día para obtener un nivel de rendimiento similar puede ser superado por una red neuronal operando en un solo chip. Así que hay algo ahí que está aprovechando que el modelo ha utilizado y no comprendemos completamente en este momento cuál es esa teoría en la que está basándose Pero hay algo en las estadísticas de la naturaleza que el modelo es capaz de aprovechar y está operando no en la complejidad del peor de los casos sino en la complejidad inherente al problema mismo, lo que le permite predecir las cosas de manera muy efectiva. Y esto es un poco a costa de la interpretabilidad de los resultados, ¿verdad? Lo que significa. Quiero decir, definitivamente hay un papel para esas ecuaciones porque nos dan una comprensión más profunda. La ecuación de Navier-Stokes, ¿no? Sí, sí, exacto. Entonces creo que es decir, puedes desplegar y ver exactamente qué cálculos se han realizado, así…
Francis Villatoro reflexiona sobre cómo los científicos de la computación se han centrado tradicionalmente en la complejidad computacional, mientras que las redes neuronales parecen haber aprovechado una menor complejidad teórica de la información para encontrar soluciones.
Habla: Francis VillatoroSignificado #13complejidad computacional científicosredes neuronales complejidad informaciónsoluciones redes neuronales villatororedes neuronales predicciones asombrosascapacidad computacional modelos redes neuronaleslímite eficiencia modelos redes neuronalesinvestigación activa redes neuronales…representan una mejor aproximación a ese conjunto mucho más amplio de cálculos que originalmente habríamos necesitado llevar a cabo. Bueno, así que quizás hay una complejidad teórica de la información del problema y luego está la complejidad computacional del Problema y siempre como científicos de la computación hemos estado pensando en el tipo de complejidad computacional. ¿Cómo representamos ahora el sistema y calculamos un estado final mientras que la complejidad de la información del problema, la complejidad teórica de la información del problema era mucho menor? Y las redes neuronales de alguna manera lo aprovecharon para, por así decirlo, dar con esas soluciones que son mejores. Pero yo no creo que hayamos encontrado una respuesta completa a la pregunta que planteaste. Es un problema de investigación activo, digamos, sobre cómo estos modelos son capaces de extraer y hacer estas predicciones asombrosas con menos capacidad de cómputo. Y ¿cuál es el límite? ¿Cuál es el límite real, el verdadero límite de cuánto más eficientes podemos llegar a serlos? Muchas gracias, Alberto. Sí, muchísimas gracias. Volvamos, si les parece, al tema de Go por un momento. No podemos terminar esto sin preguntar sobre la mítica jugada 37 que ocurrió en la segunda partida contra Lee Sedol. Esa jugada, para nuestros oyentes, fue una que los comentaristas descartaron casi por…
Ignacio Crespo reflexiona sobre cómo AlphaGo seleccionó movimientos creativos en partidas de Go, destacando la combinación entre intuición y análisis exhaustivo de datos.
Habla: Ignacio CrespoPalabras #19alphago movimientos creativos gointuición análisis exhaustivo alphagoárbol de juego alphago…probables y por eso debió seguir estando en la selección y luego, claro, fue la parte de búsqueda lo que lo impulsó, ¿verdad? De alguna manera, las consecuencias de los movimientos, tal como fueron identificadas por el algoritmo de búsqueda de Árbol Monte. Carlo, resultaron tan prometedoras para el sistema que finalmente lo seleccionó. Y creo que eso nos dice algo sobre cómo funciona este proceso creativo, ¿verdad? Es la combinación de la intuición, de ese presentimiento y así sucesivamente junto con el análisis de datos, el revisar realmente todas las variaciones posibles, la búsqueda exhaustiva en el árbol de juego y fue verdaderamente creativo. Yo creo, si consideramos una interpretación razonable de lo que es la creatividad, entendiéndola como algo novedoso, como algo efectivo y como algo sorprendente, realmente lo fue; y en particular porque rompió ciertas reglas generales que los jugadores habían…
Héctor Socas explica cómo una métrica es necesaria para optimizar el aprendizaje en redes neuronales, comparándolo con la evaluación del estado de una partida de ajedrez.
Habla: Héctor SocasSignificado #16métrica optimiza aprendizaje redes neuronalesminimizar error estado partida ajedrezdensidad piezas centro tablero ajedrezrey acorralado indica ventaja ajedrez…o no, tengo que saber evaluar el estado de la partida. Una cosa muy importante en una red neuronal es saber tener una métrica de cuánto de bien estás haciendo el trabajo, porque el aprendizaje de una red neuronal se trata de mejorar aquello que te hace que la Métrica que tú estás usando se optimice, o sea que tú minimices el error de lo que estás haciendo; hacer cosas que minimicen el error entonces para eso necesitas saber, dado el estado de la partida, saber cuánto de bueno es ese estado. Por ejemplo, en ajedrez, más o menos, tú sabes que más o menos el 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…
Juan Carlos Gil explica que AlphaFold tuvo una ventaja significativa al entrenarse: existía una base de datos, el Protein Data Bank (PDB), con estructuras de proteínas ya determinadas por métodos complejos.
Habla: Juan Carlos GilPalabras #13pdb protein data bankestructuras proteínas difracción rayos xproteínas target conocidas alphafoldsecuencia aminoácidos posición red átomos…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 posición exacta de la red de átomos en el cristal sólido, que es como se calculan esas estructuras mediante difracción de rayos X. Entonces tenían un target para cada proteína de las conocidas, sabían cómo se iba a plegar y eso les sirvió obviamente para el entrenamiento. También en el caso de la Predicción meteorológica, ¿sabes qué ocurrió hace dos días y el tiempo que ha acabado haciendo hoy? Por lo tanto tienes puntos en el pasado y forecast a futuro, pero muchísimos otros problemas. Eso no es así y ese es el primer tipo de los problemas, es los…
Francis Villatoro explica cómo el avance en la comprensión del lenguaje natural se logró al ignorar el conocimiento de los filólogos y centrarse en aprender correlaciones entre datos a partir de grandes cantidades de texto.
Habla: Francis VillatoroSignificado #15 · Palabras #14olvidar filólogos lenguaje naturalcorrelaciones datos comprensión lenguajetokens información aprendizaje automáticoevitar sobreaprendizaje modelos lenguaje…niños, los bebés, los pequeñitos aprenden el idioma sin necesidad de ese conocimiento ortocintáctico. Entonces, en inteligencia artificial teníamos ese gran problema, por eso quería ahí meterle chicha a María. No, voy a rogar diferir y te lo voy a justificar. Pero bueno, lo que quiero decir es eso: el gran avance en la comprensión del lenguaje natural fue el momento en el que dijimos Olvídate de todo lo que saben los filólogos, lo único que tienes que hacer es aprender correlaciones entre datos y los datos es leer muchos textos, tener muchos tokens, y cuanto más tokens tienes, cuanto más información tienes aprendida, y eso sí, no sobreaprendida, porque como Sobreaprendas, peor todavía. Tienes que aprender en muy poquitas épocas, tienes que aprender de manera muy suave, pero mucho, con una red neuronal suficientemente grande para que tenga un tamaño similar al conjunto de tokens y eso era romper completamente…
Francis Villatoro explica cómo la aplicación de reglas a grandes modelos de lenguaje en inteligencia artificial implica que estas redes neuronales sean tan extensas como el conjunto de datos y se expongan repetidamente a los mismos datos para evitar el sobreaprendizaje.
Habla: Francis VillatoroSignificado #6 · Palabras #12reglas en inteligencia artificial modelos lenguajeevitar sobreaprendizaje repetición datosfrancis villatoro reglas inteligencia artificial…lo que puedes aceptar que cometa errores en las construcciones y en los modismos, que no entienda bien ciertos dejes, ciertos dobles sentidos porque ha aprendido una segunda lengua o sea, se planteaban eso como casos pilotos para montar un test de Turing y De repente, cuando te llegan los grandes modelos de lenguaje con el modelo de atención y tú aplicas una serie de reglas que nunca se habían aplicado en inteligencia artificial, que es básicamente las redes neuronales tienen que ser muy grandes, tan grandes como el conjunto de datos, y las redes no tienen que aprender muchas veces. Muéstrale todos los datos una, dos, tres, cuatro, cinco veces, pero no las muestres muchas más que sobreaprenden y entonces lo hacen peor. Son reglas muy tontas, muy sencillitas, claro. Ahora ya estás trabajando con billones, literalmente, billones de tokens en los aprendizajes y estamos hablando de una o dos épocas de entrenamiento, no más, porque literalmente no hay cómputo para hacer más; o…
Héctor Socas explica la diferencia entre cómo IBM venció a Kasparov mediante reglas programadas y cómo las redes neuronales aprenden observando ejemplos, comparándolo con el proceso de adquisición del lenguaje en humanos.
Habla: Héctor SocasSignificado #19ibm venció a kasparov reglas programadasredes neuronales aprenden observando ejemplosadquisición del lenguaje viendo ejemplosfrancis villatoro redes neuronales…lo que es un verbo. Pero tú, si no supieras eso, no podrías hablar ni podrías comprender lo que estamos haciendo ahora nosotros. Yo creo que estamos de acuerdo con lo que quería decir Francis, corrígeme si me equivoco, efectivamente, es que no se trata. De enseñar, de programarles las reglas. Yo hablaba antes de la diferencia entre el IBM que le ganó a Kasparov con reglas que habían sido programadas frente a una máquina de redes neuronales que había aprendido a base de ver ejemplos y que el ser humano aprende, adquiere la lengua, perdona, siguiendo esa nomenclatura que tú usas María: de adquirir frente a aprender; adquieres la lengua viendo ejemplos y esas reglas están ahí pero no es como el bebé las aprende, sino simplemente viendo ejemplos, muchos ejemplos y de esa forma aprenden también las redes neuronales, que creo que era lo que se refería a Francis y no he entendido mal. Hay personas que aprenden una lengua sin ir a clase, que la aprenden en la calle o hablando con otros, que siempre tendrán algún fallo, porque si te pones ahora a aprender serbio y te vas a serbio y tienes amigos serbios, hablas perfectamente, pero no declina…
Francis Villatoro explica cómo las inteligencias artificiales procesan información, destacando su tendencia a trabajar con imágenes debido a la gran cantidad de datos que contienen y la facilidad para manejarlos.
Habla: Francis VillatoroPalabras #15inteligencias artificiales procesan imágenesmáquinas ven correlaciones triviales imágenestoken palabra representada como imagenfrancis villatoro inteligencia artificial…Eso no significa, y conectando con lo que Ignacio nos iba a contar, que la conciencia o que la creatividad o que otros atributos que ponemos o la misma inteligencia que ponemos a los humanos, a lo que hacemos los humanos, se pueda hacer en las máquinas. Las máquinas solo están viendo correlaciones triviales entre imágenes. Y bueno, eso es una cosa que podemos hacer. Se manejan fundamentalmente imágenes porque las imágenes te meten muchos datos en poco espacio. Y nos gusta ver los datos así. La gran revolución en Internet Artificial ha sido convertir todo a imágenes, que un token, una palabra, sea una imagen ¿Y qué representa esa imagen? Pues no sabemos muy bien, pero representa la relación entre ese token y todos los demás tokens. Pero si esa imagen tiene menos píxeles que tokens hay, ya ¿y qué? Pero la imagen representa eso. Y conforme yo voy haciendo la imagen más grande, más fluidez y…
María Ribes destaca la contribución de Catherine Clark, autora de una tesis doctoral en 2006, como base de datos fundamental para el estudio de compuestos químicos relacionados con momias.
Habla: María RibesPalabras #16tesis doctoral catherine clark 2006base de datos compuestos químicos momiasartículo 2023 nutre tesis clark…que estábamos con Francis riéndonos de eso. Dice, no nos dejan hacer nada, no podemos chupar la barandilla, no podemos beber el líquido del sarcófago, un líquido que se había encontrado en un sarcófago. Pues este hombre estudia eso, los olores y luego hay otra autora que me gustaría destacar que es Catherine Clark de este artículo porque su tesis doctoral que es de 2006 si no recuerdo mal, su tesis doctoral es una enorme base de datos sobre todos estos compuestos químicos de la que se nutren este artículo y se cita, o sea, que ella más que participar activamente en el paper tenemos que agradecerle toda esa enorme base de datos que sin ella hubiera sido imposible llegar a estudiar esto y el artículo del 2023 era sobre los compuestos que se habían encontrado en las vasijas, en las cerámicas, no solamente los ajuares funerarios sino también los vasos canopos porque claro, el embalsamamiento siempre nos da interés, ¿no? O sea, ver este proceso tan desagradable que se saca por un gancho el cerebro…
Héctor Socas continúa explicando los detalles técnicos de la técnica 'headspace' utilizada para analizar los olores conservados en momias egipcias, describiendo cómo se recoge una muestra del aire dentro del frasco.
Habla: Héctor SocasPalabras #7técnica headspace momias egipciasmuestra de aire septumfibra polímeros recubrimientoabsorción superficie técnica…un tubo de ensayo; metes un trito ese vendaje lo cierras y lo dejas ahí unos días, por ejemplo, no sé cuánto tiempo lo dejan, pero puede ser unos días. Entonces ese aire se va impregnando de esos volátiles que son los que producen ese olor que tú dices. Y la tapa, esto es lo que llaman un septum, que la puedes pinchar y queda sellada. Entonces se recoge la muestra, que es solamente coger una muestra de ese aire, se pincha con una especie de aguja que está hecha de una fibra con un recubrimiento de polímeros que no sueltan material pero sí que tienen la posibilidad de que absorben moléculas que hay ahí; se pegan en el polímero, ¿no es verdad? No es absorción, sino absorción, que yo no sé si existe en español pero en mi jerga técnica se usa ese término; significa que se pega a la superficie y ya está. El laboratorio se usa un montón, pero no sabía si era un falso amigo que hemos robado del inglés o si en español existe el término absorción, pero bueno, a ver Héctor, basta con que escuches. Un poco más de fútbol, que sabes que hay abductores y abductores. Pues es exactamente lo mismo, es exactamente el mismo fenómeno. Cierto, cierto, son cosas que se rompen, sí, sí. Bueno, pues entonces lo pinchas; la aguja está hecha de eso, entonces se…
Ignacio Crespo explica cómo las teorías sobre la conciencia se relacionan con la corrección de errores en las predicciones cerebrales.
Habla: Ignacio CrespoSignificado #20conciencia maximiza errores cerebralespredicciones cerebrales ignacio crespomodelización características cognición…que tienen que ver con la predicción. No son las que vamos a hablar dentro de uno o dos programas, pero hablan de la predicción y entienden que la conciencia podría ser, esta es la cosa, la corrección de los errores de predicción que hace nuestro cerebro. al comparar lo que ha predicho con lo que está recibiendo. que en los casos en los que está consciente esos errores se maximizan, se potencian para poder detectar esa diferencia y a partir de esto han sacado algunas predicciones interesantes que parecen modelizar bien algunas características de la cognición pero que se quedan todavía muy lejos de llegar a ser predictivas, fuertes y que hay que seguir desarrollando. yo creo que es la más complicada de explicar bien porque primero es bastante ambiguo que significa eso de orden superior y a la vez que propiedades tiene esa representación de orden superior que no requiera de una tercera representación que esté por encima…
Ignacio Crespo explica que las representaciones de orden superior no son suficientes para explicar toda la complejidad de la información, sino que esta se comparte con las representaciones de orden inferior.
Habla: Ignacio CrespoSignificado #8información compartida orden inferiorcontraste información complejidad…esa actividad de neuronas que consideramos que son de un orden superior para ver si se relaciona y se activa de forma codependiente y con las características que esperarían encontrar. Además, ellos plantean una relación en la cual la representación de orden superior no agotaría toda la complejidad de la información que hay ahí sino que estaría repartida con la de orden inferior. y ahí es donde ya va particularizándolo para que con el contrast que habíamos contado se pueda ir acotando por un lado y por otro Sí, sí, sí, perdona, que es que como me estaba sonando no quería activar el sonido. Ha sido más rápido al final de lo que creí. Claro, claro, ha sido bastante más rápido, no sé, se ha quedado así; yo pensaba que Alberto iba a decir algo, nos he cogeado todos…
Ignacio Crespo resume que existen diferentes escuelas sobre la localización de redes metacognitivas en el encéfalo, algunas sugieren una distribución más amplia y otras una localización específica.
Habla: Ignacio CrespoSignificado #17redes metacognitivas en el encéfalorendimiento parecido patrones primer ordenprocesamiento consciente propiedades distintas ignacio crespo…lo entendemos en su sentido más amplio hay distintas escuelas y hay algunas que te dirán que está más distribuida, otras más localizada; localizada dónde entonces está localizada donde decía la del trabajo global o donde decía, claro, y ahí hay una cuestión. En cualquier caso, lo que dice es que hay una segunda y que se pueden presentar para un rendimiento parecido una o dos patrones en el que sólo está presente la de primer orden y en el que están presentes las dos, y que habrá propiedades distintas que solemos asociar con el procesamiento consciente. Esa es un poco la clave. Esta teoría tiene, entre comillas, más implicaciones desde el punto de vista de lo que es la conciencia artificial porque es una de las cosas arquitectónicas que se están planteando en ese campo el definir en paralelo a las redes de aprendizaje profundo que…
Ignacio Crespo reflexiona sobre la naturaleza dinámica de las redes neuronales cerebrales y cómo el almacenamiento de información, como los artículos científicos leídos por Francis Villatoro, puede cambiar con el tiempo.
Habla: Ignacio CrespoSignificado #18memoria de francis villatororedes neuronales cerebrales dinámicasreconfiguración direccional de redesalmacenamiento de información en cerebro…como yo lo voy lesionando, no sé si estoy lesionando algo importante, pero como lo voy entrenando al mismo tiempo, entonces todo lo que la señora está entrenando, pues sé que lo que hubiera ahí se va a repartir por otras partes de la red neuronal cerebral. No es que se trasplante, efectivamente, pero incluso en estados totalmente fisiológicos, si yo ahora pudiera saber dónde tiene Francis codificado en su cerebro información relacionada con, por ejemplo, el último paper que ha leído, imagínate, y dentro de dos semanas fuera a buscarlo al mismo sitio exactamente, es probable que no esté ahí. Sabemos que hay pequeños movimientos de esas redes que se activan correlacionadas con determinados recuerdos o estímulos y eso es lo que se aprovecha en estos casos; que hay cierta facilidad para que se reconfigure simplemente que sea direccional esa reconfiguración para poco a poco conseguir que cambie un montón. Hay, aparte de estudios en humanos que son muy interesantes, hay estudios aún más radicales incluso con animales, lógicamente, y había algunos casos en los que habían conseguido desplazar totalmente la corteza visual de algunos animales, que en principio…
Ignacio Crespo reflexiona sobre la posibilidad de una censura política y religiosa en el antiguo Egipto, cuestionando si pudo haber durado miles de años dada la complejidad de organizarla.
Habla: Ignacio CrespoPalabras #8escritos históricos del antiguo egiptoanalés pirámides textos antiguoscensura político-religiosa miles añosinstrumentalización escritura contextos funerarios…ejemplo, en alienígenas y tal. Estamos pensando en una civilización de 10.000 años y estamos dándole una interpretación. No son tantos; 10.000 son muchos, dejémoslo en 3.000 un poquito más, quizá 4.000. Pero estamos hablando del Reino Alto, del Bajo desde el Holoceno, desde el Holoceno está pensando esto: Es que también es verdad que en el medio sí que hay escritos que recogen hechos históricos, aunque no sean anales como los de los textos de las pirámides, porque son muy largas. Me cuesta pensar que haya habido una censura impuesta político-religiosa que haya durado miles de años; no tendría que ser algo tan organizado. Tú piensas que no estaba tan extendida la escritura y además está muy instrumentalizada cuando hablamos de este tipo de escritos; incluso cuando son escritos de un carácter histórico, hay un entendimiento de que es la historia muy distinta a la que tenemos ahora. No entiendo qué quieres decir; que no estaba tan extendida la escritura, que solo escribían los escribas y los sacerdotes, pero escribieron un montón. Sí, pero quiero decir, es más fácil; no hace falta una gran conspiración como la que haría falta ahora para…
